基于改进型层次聚类算法的可重构制造系统的产品族划分

针对可重构制造系统的产品族划分问题,提出了基于改进型层次聚类算法的可重构制造系统的产品族划分方法。首先对影响产品族划分的因素进行分析,基于产品的结构矩阵以及组成产品的各模块间的相关性矩阵确定了各因素的指标值,建立了各个因素相似度矩阵,然后利用层次分析法获得各指标的权重,获得产品的综合相似度矩阵,利用改进型层次聚类算法实现产品族的划分。最后通过实例验证了改进型层次聚类算法与层次聚类算法具有相同的划分结果,但是改进型层次聚类算法有更低的计算复杂度与更高的效率。

对层次聚类算法的改进

介绍了层次聚类算法的基本思想,在原算法的基础上,通过对类间距离进行预排序从而避免合并类时重新计算类间距离,该算法降低了计算的复杂度.实验表明,改进后的算法在与原算法聚类效果相同的情况下运行速度明显提高.

凝聚层次聚类算法在电厂设备故障预测上的研究

针对电厂设备产生的数据浪费问题,并为保证电网的健康运行,提出了利用设备的时间序列数据并运用凝聚层次聚类算法对电厂设备故障进行预测的方法。首先提出了预测方法的框架,后运用凝聚层次聚类算法对时间序列数据聚类,然后采用多项式拟合方法进行了Matlab曲线拟合仿真,根据动态时间弯曲方法度量运行曲线和拟合曲线的相似性,最后通过相似性和预设的阈值判定设备运行状态。结果表明该方法能充分利用时间序列数据,有效地进行复杂电力设备故障预测,有利于及时调度和处理有关事故或缺陷,提高企业经济效益和管理水平。

基于层次聚类算法的改进研究

提出一种新的层次聚类方法,着重分析了该算法的思想体系及算法实现过程。该算法具有使结果簇更紧凑和独立的效果,具有更高的效率。

基于层次聚类算法的WEB文本挖掘技术探索

为了解决目前信息检索中存在信息过量、关键字简单匹配不能对查询内容进行扩展等问题，本文提出了基于层次聚类的WEB文本挖掘技术并进行分析，此种技术在信息检索的速度与准确度上兼顾性好，大幅度降低后验概率的计算量。

基于区域最近邻生长的层次聚类算法

对于非球形和其它特殊形状的非凸数据集的聚类,基于划分的聚类算法很难取得理想的聚类结果。层次聚类算法根据数据的特征将距离近的数据进行合并,对于球形数据集和其它具有特殊形状的数据集有很好的聚类效果。在分析现有层次聚类算法的基础上,根据层次聚类的合并思想和最近邻距离的计算提出了基于区域最近邻生长的层次聚类算法。

基于层次聚类算法的红外诱饵投掷策略研究

红外诱饵以其性价比高、效果好的特点常用于红外对抗中。研究其投掷策略,可为诱饵的使用提供参考,从而达到预期的干扰效果。以红外诱饵投掷策略为研究对象,设定3种对抗情形进行研究。通过仿真系统得到试验数据,然后采用层次聚类算法进行聚类分析。聚类结果表明,在设定的对抗情形下,每组诱饵数和诱饵投掷时刻这两个因素对干扰效果影响较大。在进入角为10°、目标无机动情况下,选择诱饵投掷时刻早且诱饵组数多的方式。当进入角为140°时,选择投掷时刻晚且每组诱饵数少的方式;若目标转弯机动,则选择投掷时刻晚且诱饵齐投数多的方式。由此可以获得较好的干扰效果。

基于分治递归的层次聚类算法实现

层次聚类算法是一类重要的聚类分析方法。传统的层次聚类算法的时间为O(n2)空间复杂度很大,这使得聚类分析在大型数据集上的应用受到限制。该文提出一种基于分治递推改进算法,该算法将大大减少算法的时间复杂度和空间复杂度。

基于向量空间模型的层次聚类算法在文本挖掘中的应用

在传统聚类模型的基础上,提出一种基于向量空间模型的层次聚类算法,用于文本数据的挖掘。实验结果表明,基于向量空间模型的层次聚类算法从挖掘的准确率上更具有性能优势。

基于DTW层次聚类算法的电力负荷数据特征研究

随着信息技术的发展,电力数据的信息化应用已成为学术界的前瞻性研究。这对于我国电力行业的转型升级意义重大。利用Hadoop平台技术与动态时间规整(DTW)层次聚类算法,构建了基于Hadoop与DTW层次聚类算法的电力负荷数据特征研究模型。该模型能够克服单一层次聚类方法对大规模数据进行聚类分析时的不足,结合Hadoop集群技术可以实现大规模电力负荷数据计算的高效率。以X省某电网某地区的大宗用户作为研究对象,选取其正常工作日的日负荷曲线数据进行试验。研究表明,该地区的大宗用户电力负荷数据可分为五大类。第一类属于大功率用户;第二类属于中等功率用户;第三类属于中小功率用户;第四、第五类均属于小功率用户,只是二者用电负荷的波峰时间不同。该研究可以为电力负荷数据特征值研究提供一定的方法参考,具有一定的学术价值。

一种改进的模糊层次聚类算法

为解决模糊层次聚类算法无法收敛的问题,提出一种改进的模糊层次聚类算法。算法在分群前先进行数据处理,将特征向量相同的群合并成一个新的群,再使用模糊层次聚类算法分群,最后使用K-means算法将类簇收敛为想要的数量。实验结果表明,本算法具有较好的稳定性和分群效果,聚类质量高。

基于层次聚类算法的烟草违法区域划分研究

本文以理论研究结合实际案例情况,首先介绍了数据处理挖掘中的聚类算法,重点对层次聚类算法进行了研究,然后以H市的真实涉烟非法活动数据进行仿真,通过分析违法数据信息,帮助烟草主管部门在涉烟非法交易活动中精准打击、重点治理违法区域。

用动态层次聚类算法改进粗糙集-神经网络建模过程

用动态层次聚类算法取代原先用于粗糙集-神经网络建模方法中的模糊-C-mean一般聚类算法,统一处理粗糙集理论中的离散与连续属性.从而使性能卓越的粗糙集-神经网络模型的应用范围得到了极大的拓展,使之具有了普遍性意义.

层次聚类算法在实现高职教学推荐系统中的应用

当前我国的职业教育正面临大改革,国家把职业教育提升到与本科同等重要的地位,同时职业教育也将进行大幅度的扩招,不仅面向中职、高中生,还面向各类社会人员,在师资力量有限、知识技能更新迅速的职业教育现状下,要实现高质量的人才培养,需要借助机器学习算法来辅助教师开展教学,通过设计符合机器学习算法的题目,可以有效的减少教师出题的负担,实现分层的个性化教学效果。本文研究层次聚类算法在学生动态分组及推荐中的应用,以辅助教师实施补救性教学,并有效缓解学生学习需要及教师精力有限的矛盾。

无线传感器网络中一种基于聚合层次聚类的分簇路由算法

针对无线传感器网络中节点连接以及能量受限不足的问题,为了延长网络寿命,提出了一种基于AHC的分簇路由算法(HACCRA)。该算法首先运用AHC对网络节点分簇,接着为簇首选择、簇形成和路径构建分别定义了恰当的决策目标函数,运用能量阈值、提出距离阈值、并且路由过程优先考虑簇首节点之间的一对一连接,有效解决了路由算法中分簇和路由不衔接的问题。仿真结果表明,与JCR、ICR以及DCK-LEACH相比,HACCRA能够更好地实现网络节点的能耗均衡,保证网络数据传输的连接性,从而延长网络寿命。

基于改进凝聚层次聚类的协议分类算法

在比特流未知协议识别过程中,针对如何将得到的多协议数据帧分为单协议数据帧这一问题,提出了一种改进的凝聚型层次聚类算法。该算法以传统的凝聚型层次聚类算法思想为基础,结合比特流数据帧的特征,定义了数据帧之间及类簇之间的相似度,采用边聚类边提取符合要求类簇的方式,能快速有效地对数据帧进行聚类;并且该算法能自动地确定聚类的个数,所得的类簇含有相似度评价指标。利用林肯实验室公布的数据集进行测试,说明该算法能以较高的正确率对协议数据帧进行聚类。

一种基于改进的层次聚类的协同过滤用户推荐算法研究

为了降低组用户推荐的计算时间,提出了一种改进的层次聚类协同过滤用户推荐算法。由于数据的稀疏性,传统的聚类方法在尝试划分用户群时效果不理想。考虑到传统聚类算法的聚类中心不变组内用户间相关度不高等问题,将用户进行聚类,然后按照分类计算出每个用户的推荐结果,在进行聚类的同时充分利用用户间的信息传递来增强组内用户的信息共享,最后将组内所有的用户的推荐结果进行聚合。最后仿真实验表明,本方法能够有效地提高推荐的准确度,比传统的协同过滤算法具有更高的执行效率。

一种高效的层次聚类分析算法

层次聚类算法是一类重要的聚类分析方法。传统的层次聚类算法的时间和空间复杂度很大，这使得聚类分析在大型数据集上的应用受到限制。该文提出一种基于重叠区的3阶段改进算法，该算法将大大减少算法的时间复杂度和空间复杂度。

基于层次与密度的任意形状聚类算法

结合层次聚类算法和密度聚类算法,提出一种新的任意形状聚类算法,以密度峰值点为初始聚类中心将数据集划分为大量子簇。根据聚类合并准则,对簇间边界区域密度大于等于其中任何一个簇平均密度的相邻子簇进行合并。通过动态建模方法进行子簇合并,无需人工输入终止参数即可自动确定聚类终止点。在测试数据集和真实数据集上的实验结果表明,该算法对输入参数的选择具有鲁棒性,能有效识别任意形状、大小和密度的聚类,并且适用于密度分布不均匀的数据集。

改进层次聚类算法在文献分析中的应用

科技文献代表了科技发展的方向,对其分析有助于准确把握科技前沿.本文提出一种基于层次聚类的改进算法用于对科技文献进行聚类研究,以便识别科技文献所关注的创新设计方向.该算法通过观测不同距离条件下孤立点数目的变化情况,自动计算并判断层次聚类算法中所需的聚类终止条件.这样既避免了层次聚类算法中需要预先输入终止条件的不足,又保持了层次聚类算法聚类精度高的优点,且改进算法的复杂度和普通层次聚类算法的一致.运用上述改进算法对200篇文献进行聚类运算,与k-means算法的对比实验证明,改进层次聚类算法聚类效果良好,从而验证了该算法的可行性.