一种基于模糊因果聚类的室内热舒适预测方法

提出一种用于室内热舒适预测的模糊因果聚类分析方法。在论域内随机产生若干样本点,对合理样本点运用模糊因果聚类方法求出其最佳聚类,提取各类样本的特征构造模糊预测模型。通过对室内热舒适指标的实例分析,说明该方法可用于不同地区的热舒适预测,能解决PMV等指标预测出现的较大偏差等问题。

基于因果聚类和模式识别的模糊预测方法及其应用

基于因果聚类和模式识别的模糊预测方法,是将企业待预测时段的运行状况与历史上的运行模式相比较,根据"最大隶属原则"将待预测时段的运行状况归入某一运行模式,利用此模式的模糊数对预测量进行预测。

基于因果聚类的高等教育学费的模糊预测模型

本文依据影响高等学校学生学费的各因素，搜集2000～2007年影响高校学费的各项数据，如所在地GDP、城镇居民人均可支配收入、财政拨款、生均教育性支出和学校总财政支出等因素，充分分析所搜集到的数据，建立基于因果聚类的模糊预测模型，得到了学费的模糊预测，并利用此模型，对学费标准进行了定量的分析，得出中国高校学费较外国高校学费偏高，对教育部门关于高校学费的制定提供方法上的指导。

基于因果聚类分析理论的维修成本控制体系研究

供电网络的维修维护工程比较复杂,影响因素较多,影响方式多种多样,这给成本控制造成了很大困难。为了解决这个问题,采用数据分析,建立预测模型,通过分析预测误差和预测的置信区间,确定维护成本的控制范围。为了提高预测得准确性,利用历史数据对要素变量进行因果聚类。然后将各类型中的变量进行主成份分析,降低变量集的维数。对选出的变量用神经网络算法构建预测模型,并利用其误差的性质确定误差范围,实现对成本的控制。

水文要素模糊因果聚类预报及其应用

根据水文预报中不确定性因素显著 ,但预测对象与预测因子之间因果关系明显的特点 ,运用模糊聚类分析对各次历史洪水资料进行分类 ,以解决不确定性因素的影响 ,然后通过提取同类洪水资料的模糊特征建立预测因子与预测对象之间的因果关系 ,从而建立模型 .并用实例验证了模型和方法的可行性 .

基于模糊因果聚类的编组站运营指标预测

运用模糊因果聚类分析方法,结合铁路编组站作业的实际,选取对编组站运营指标影响较大的因素,建立基于模糊因果聚类的指标预测模型。通过对车站运营指标预测的实例分析,说明运用该方法对编组站运营指标进行预测,实际操作简单,具有一定的适用性。

基于因果聚类的城市建设用地需求量预测

本文基于因果聚类的模糊预测方法,将其应用到建设用地需求量预测中,并与相同地区其他预测方法对比,证明此方法的可行性及其较好的操作性。结果表明,基于因果聚类的模糊预测比传统回归模型预测有优势,避免了直接建立相关目标与影响目标因素相关映射带来的不确定性,在解决实际问题时,更加合理可行。

基于因果聚类的模糊预测的择近选择

本文给出了对称三角模糊数的 Hausdauff度量的简明表示形式 ,从而解决了基于因果聚类的模糊预测的择近选择问题 .

基于因果模糊聚类法预测覆岩裂隙带高度研究

为了研究不同采高、煤层倾角、岩石抗压强度、岩层结构、采空区斜长、埋深等因素影响下采空区覆岩裂隙带高度发育规律,对收集的实测数据进行因果模糊聚类分类、分析,对各个类别,代入裂隙带高度接近均值的实测数据运算,获得各个因素对裂隙带高度影响合适的权重,进而建立对应的特征模糊集,并构造对应的三角模糊数,最终建立模糊预测模型。通过案例分析对模糊预测模型进行了验证,结果表明其误差范围为0.83-2.70m,满足工程应用的精度需求。

协同过滤推荐算法的改进与研究

针对协同过滤算法中数据稀疏性严重影响推荐精准度的问题,提出了基于因果聚类和模糊相似关系的协同过滤推荐算法。基于因果聚类的协同过滤推荐算法通过对用户—项目的评分、收藏、特征值等建立矩阵来计算它们之间的相似度,矩阵的建立是基于项目、用户特征值具有因果关联性和相似性;基于模糊相似关系的协同过滤推荐算法通过项目、用户的加权特征法构建三角模糊数来计算相似度,并根据模糊相似矩阵及最佳阈值法来得到连通图截集,从而实现精准、个性化推荐。实验结果表明,这两种算法都能有效提高相似度计算精度,解决数据稀疏性问题,从而提高推荐的精准度和个性化。且随着最近邻数量的增加,基于模糊相似关系的协同过滤推荐算法的精准度略高于基于因果聚类的协同过滤推荐算法。