基于k均值分区的数据流离群点检测算法

离群知识发现是数据挖掘研究的一个重要方面,数据流离群点挖掘更因其挖掘对象具有动态性、不可复读性、数据量大等特点而成为离群知识发现研究的一个难点．提出一种基于k均值分区的流数据离群点发现算法,先对数据流进行分区做k均值聚类生成中间聚类结果（均值参考点集）,随后在这些均值参考点中,根据离群点的定义找出可能存在的离群点．理论分析和实验结果表明,算法可以有效解决数据流离群点检测问题,算法是有效可行的．     

高维数据流聚类及其演化分析研究

基于数据流数据的聚类分析算法已成为研究的热点．提出一种基于子空间的高维数据流聚类及演化分析算法CAStream,该算法对数据空间进行网格化,采用近似的方法记录网格单元的统计信息,并将潜在密集网格单元快照以改进的金字塔时间结构进行存储,最后采用深度优先搜索方法进行聚类及其演化分析．CAStream能够有效处理高雏数据流,并能发现任意形状分布的聚类．基于真实数据集与仿真数据集的实验表明,算法具有良好的适用性和有效性．     

基于免参数据挖掘的相异度度量研究

由于参数设置导致数据挖掘结果异常的例子很多,为了解决这一问题,出现了免参数据挖掘思想。对Kolmogorov复杂度理论进行了研究,将其和免参数据挖掘思想相结合,提出了一种基于压缩的相异度度量SCDM。由于压缩算法是空间和时间高效性算法,使得应用该算法的相异度度量也具有较好的性能。实验表明将这种相异度度量应用到层次聚类算法中,其聚类的准确率也较高。     

基于模糊聚类神经网络的语音识别方法

提出了一种基于模糊神经网络的语音识别方法.该方法以模糊系统模型为基础,利用改进的模糊聚类辨识算法,构成一种新型的模糊聚类神经网络（FCNN）,并将其作为概率密度函数的估计器,对每个状态的输出进行预测.它不仅能有效地在语音识别中引入帧间相关信息,而且能克服状态输出概率密度函数为混合高斯分布的束缚.通过对非特定人汉语孤立词和连续音节的语音识别实验,证实了该方法的有效性.     

利用总体特征对中文签字进行分类的聚类算法

针对不同书写者书写同一字的分类问题,在C 均值法和马氏距离测度的基础之上,提出了一种动态聚类算法,并讨论了签字的总体特征选择问题。利用该聚类算法对不同书写者的签字进行二分分类得到了较好的效果。实验显示,选择一组代表书写者书写风格的特征是分类成败的关键。文中选取的五个总体特征应用到非模仿的签字鉴别中有较好效果。     

基于频繁特征项集的文档聚类研究

提出了基于频繁特征项集的文档聚类方法。对预处理后的文档,通过Apriori算法找出文档频繁特征项集,依据其子集中频繁特征词语对相关文档进行聚类,该方法能够有效降低特征项的维数,并能够通过频繁特征词语集合对聚类后的类别进行适当的描述。     

基于动态矩形的聚类方法的设计与实现

提出了一种新的基于动态矩形的聚类方法DRCA。该方法减少了参与聚类计算的数据元素的数量,在每一次基本聚类过程中,采用数据之间空间位置比较取代复杂的聚类距离函数计算,使得算法复杂度与数据量具有近似线性时间关系。试验结果表明了DRCA的正确性和有效性。     

一种面向态势估计中分群问题的聚类方法

对目标分群技术问题进行了描述,分群或聚类问题是态势估计需要实现的一个重要功能,主要根据底层融合的结果应用聚类分析法实现战场目标分群。目标分群的结果有助于确定态势元素之间的相互关系,从而解释问题领域的各种行为,辅助指挥决策。提出使用CHAMELEON算法对战场目标或群进行划分,根据相对互连性RI和相对近似性RC所表征的相似度把它们形成更高层次的群。     

基于智能计算的聚类挖掘研究进展

聚类是数据挖掘的主要任务之一,它在知识发现、模式识别、决策支持等方面有着重要应用,聚类挖掘已成为一个非常活跃的研究课题;近年来,基于智能计算的数据挖掘方法研究有了较大进展,机器学习、遗传算法、粒子群优化技术的应用在一定程度上改善和提高了聚类挖掘的性能和效率,但聚类技术仍面临着输入参数对领域知识的依赖性、交互动态性等方面的严峻挑战.     

舰载多功能火箭武器研制技术凤险的灰色聚类决策

舰载多功能火箭武器系统的研制是一个复杂的系统工程,在研制过程中存在多种非确定因素及风险因素。由于技术风险的评价指标和属性值难以确定和定量化,使得技术风险分析和评估成为武器研制风险管理的瓶颈。针对技术风险的灰色性和难以量化性,提出一种结合层次分析法( AHP)和灰色聚类决策的武器研制方案技术风险综合评估方法,并利用该模型对舰载多功能火箭武器3种总体研制方案的技术风险进行了分析和评估,评估结果将为该武器系统总体研制方案的选取提供一定的决策支持。