基于模糊聚类的神经网络虫情预测研究

针对虫情预测的模糊性、相关性、非线性、实时性等特点,以及神经网络在小样本预测时泛化能力降低的问题,提出了一种基于模糊聚类的神经网络农作物虫情预测方法。仿真结果表明,该方法简单实用,能快速、准确预测虫情,特别在样本少及样本相关性较大的情况下,能取得较好效果。

基于F检验的模糊聚类小额农贷信用风险预测

信用风险是贷款业务中的关键问题。对贷款农户的信用风险进行预测分析是搞好小额农贷业务的关键环节。笔者利用模糊聚类对农户进行软分类,并应用F检验找出合理分类,建立了小额农贷信用风险预测模型。实验表明使用该方法能取得较好的效果,具有良好的应用前景。

一种改进的RBF神经网络在预测虫害中的应用研究

针对神经网络在小样本预测时存在泛化能力降低的问题,提出了一种改进的RBF神经网络预测虫害的方法。这种方法结合了模糊聚类可以对样本进行去噪及RBF神经网络推理,具有速度快、无局部极小问题存在的优点。同时提出一种对RBF的中心、宽度和权值进行调整的RBF神经网络的学习算法。仿真结果表明,该方法能有效解决对小样本预测虫害的模糊性、相关性和非线性问题。而且预测结果准确,简单实用,效果较好。为农业预测虫害提供了一种新的预测方法,对促进农业生产的稳步发展和农民增产增收,都能够产生积极的作用。

德国职业教育师资培养模式对广西职业教育师资培养的启示

文章在分析德国职业教育师资培养模式的情况及特点的基础上，结合广西的实际情况，从充分利用高校扩大培养职业教育师资、逐步推行职业教育教师资格制度、完善职业教育师资培训制度等方面，探讨了广西职业教育师资培养的问题。

基于模糊聚类的农户信用信息分析

采用结合主成分分析的模糊聚类方法,划分了具有不同信用特征的贷款农户群组.这有助于农村信用社对各群组作深入分析及防范信用风险.

关于完善广西职业教育师资培养模式的思考

虽然实施西部大开发以来，国家对西部地区投入了大量资金。但是，国家对西部的大量投入远未发挥出应有的作用。这在一定程度上与西部地区教育尤其是职业教育的不发达有关，也反映了加强西部地区职业教育的紧迫性。一些西部省份已经认识到了这点，并开始采取积极措施发展职业教育。其中，广西准备在2008—201O年共投入60亿元实施职业教育攻坚，迅速扩大职业教育规模，计划到2010年全区职业院校年度培养技能型新生劳动力将达40万人以上。职业教育的发展关键在于师资力量的充足和教师素质的提高。虽然广西正在实施“万名职业院校教师素质提高工程”，但与全国情况一样，广西职业教育师资（下文简称职师）的数量及质量与广西职业教育的迅猛发展仍然是不相称的。职师的数量及质量与其培养模式密切相关。因此，应采取相应措施完善广西职师培养模式。

西部各省区经济发展的状况评价与对策——基于因子分析法的实证分析

采用因子分析法对2005年和2006年西部12省区的经济发展状况进行综合评价排序,从实证角度,还结合各省区的一些特殊情况,将西部各省区经济发展状况归纳为四种类型,并对各类省区的发展状况作深入分析及提出相应的发展对策建议。

数据挖掘技术在西部各省区经济发展状况分类中的应用

采用模糊聚类分析方法,利用主成分分析对聚类的特征变量降维,依据2005年和2006年的有关数据,对西部12省区的经济发展状况进行模糊分类,初步划分具有不同经济发展状况特征的类型,这有助于对各类省区的发展状况做深入分析及制定相应的发展对策。

基于优化FCM算法的西部各省份服务业发展状况分类

提供了一种对西部各省份服务业发展状况进行特征分析的新方法.选取11个反映西部各省服务业发展状况的指标,把主成分分析、模拟退火算法、遗传算法三者有机结合,对模糊C-均值聚类算法(FCM)进行有效优化,然后采用优化FCM算法对西部省份经济发展状况进行分类和分析.

关联规则在健身服务项目组合中的数据挖掘

采用一种改进的频繁项目集数据挖掘算法,设计与实现了某健身俱乐部关联规则挖掘系统。该系统能够高效灵活地从该俱乐部的客户数据中挖掘出对服务项目组合有用的关联规则,对俱乐部的运营具有一定的指导意义。

基于模糊聚类的神经网络虫情预测

1基于模糊聚类的神经网络预测 首先采用模糊聚类对所有样本进行预处理，再把去噪后的数据作为神经网络的输人数据进行训练和预测。 1．1基于模糊聚类的神经网络结构3层BP神经网络具有令人满意的对连续映射的逼近能力，可以满足预测的要求，因此，采用3层BP神经网络作为研究模型。3层BP神经网络由输入层、隐含层和输出层组成。

ELM在虫害预测中的应用研究

ELM(极限学习机)简单、易用,学习速度快且泛化性好,故将ELM引入虫害预测中。为了更好地提高ELM的效率和精度,首先采用模糊聚类对所有样本进行预处理,再把处理后的数据作为ELM的输入数据进行训练和预测。仿真实验结果表明,经过模糊聚类处理后,ELM预测精度较高,泛化性好,能够满足虫害预测对准确率和实时性的要求。通过实例,为虫害预测的应用提供一种新方法。

基于主成份分析的模糊聚类虫害预测模型研究

针对虫害预测的模糊性、相关性、多变量等特点,采用数据挖掘技术建立了基于主成分分析的模糊聚类虫害预测模型,并以玉米螟为例,对虫害进行了合理分类及预测.结果表明,在虫害预测指标多、数据间存在一定相关性的情况下,使用该模型对虫害进行预测能取得比较好的效果.

模糊聚类在西部省区经济发展状况分类中的应用

依据2005年和2006年的有关经济统计数据,采用主成分分析与模糊聚类相结合的方法,对我国西部12个省区的经济发展状况进行模糊分类,初步划分出8种具有不同经济发展状况特征的类型。该方法比传统的聚类方法灵活,可以根据不同的要求获得不同的聚类结果,而且分析结果更贴近我国西部经济社会的实际情况。

基于遗传模拟退火优化的FCM算法在西部省区经济发展状况分类的研究

模糊C-均值聚类(FCM)算法属于局部搜索优化算法,遗传算法和模拟退火算法的有机结合能使FCM算法更为有效准确。文章依据2013年的有关数据,利用主成分分析对聚类的特征变量降维,采用基于遗传模拟退火优化的模糊C-均值聚类算法,对西部各省区经济发展状况进行分类和分析,提供了分析大区内子区域经济发展状况的有效新方法,为西部省区经济发展状况的分析及制定相应对策探索了一条新途径。

基于遗传神经网络的高校计算机等级考试过级预测

采用遗传神经网络,对高校计算机等级考试进行过级预测。该算法采用三层BP神经网络,加入遗传算法对网络输入进行了优化,能够预测学生的过级情况。教师可针对可能不通过的学生进行强化训练,为学生顺利过级及教师教学提供一定的的帮助。

基于一种改进评价方法的西部地区经济协调发展特征研析

该文提出了一种改进的区域经济协调发展状况评价方法,选择Moran'sI指数(同时对Moran'sI指数进行显著性检验)、区域经济增长水平变异系数、区域经济增长率变异系数来测度区域经济联系、区域经济差异和区域经济增长三个方面情况.运用该方法对1998-2017年西部地区区域经济协调发展状况进行分析和评价.研究结果表明:1998-2017年西部地区经济协调发展水平有下降的趋势,并没有达到协调发展预期,特别是2004-2017年的协调发展水平一直徘徊在较低水平.最后给出相关对策建议.

一种区域经济发展差异分析智能混合算法及应用

该文提出一种区域经济发展差异分析智能混合算法:首先有机融合主成分距离加权和遗传算法、模拟退火算法对FCM算法进行优化,采用优化FCM算法对各子区域经济发展水平进行分类;其次采用主成分分析法给各子区域经济发展水平进行综合评分并排名;然后依据分类和排名情况,对区域经济发展差异进行研究分析.该文以西部省份经济发展差异为例研究表明:该算法能够有效对西部省份经济发展差异进行综合分析,很好地反映了各省份经济发展的特征,是一种改进的、可行的大区内子区域经济发展水平差异分析方法.

基于粗集的高校计算机等级考试过级预测

为了帮助参加高校计算机等级考试的学生过级,采用粗集挖掘技术,完成了高校计算机等级考试过级预测系统的设计与实现。该系统能够预测学生的过级情况,并挖掘出一些有用的规则,为学生顺利过级及教师教学提供有益的帮助,对提高高校计算机教学水平和教学质量具有较好的指导意义。

利用公园作为生态学公选课分层实习基地的研究——以柳州市龙潭公园为例

介绍柳州市龙潭公园的概况,分析生态学公选课分层实习设计的思路框架,并提出利用龙潭公园作为生态学公选课分层实习基地的具体方案。