老年人家庭代际关系模式及其影响因素研究——基于代际双向报告的K均值聚类分析

在传统的代际关系模式研究中,数据往往来自家庭中父母或子女一方的报告,然而仅凭借“一面之词”对代际关系进行测量真的准确吗?这一问题的背后透视出当前国内相关研究中双向报告视角的缺失。利用2020年中国家庭追踪调查(CFPS)数据,运用K均值聚类分析及多层Logistic回归方法,探究当前中国老年人家庭中代际关系的双向报告状况、代际关系模式及其影响因素。研究结果表明:首先,老年父母的代际关系报告平均得分要略低于成年子女的报告平均得分,但两者间并不存在显著差异,代际利益假说未获支持。其次,基于双向报告的聚类结果,可将老年人家庭代际关系具体划分为结构维度上的“亲子一致型”、“亲近子疏型”、“亲疏子近型”模式与水平维度上的“亲子和睦型”、“亲子有隙型”、“亲子疏离型”模式。最后,从代际关系模式的影响因素来看,代际结构、老年父母特征及成年子女特征均会在结构维度与水平维度上产生显著影响,而家庭特征仅在水平维度上产生显著影响。简言之,两代人的年龄差距越大、父母年龄越小、子女年龄越大,越可能形成评价一致的代际关系;两代人的年龄差距越大、两代人的性别一致、父母年龄越小、父母获得子女支持以及在城镇家庭中,越可能形成和睦的代际关系。

基于改进K均值聚类分析的迷彩伪装色选取

伪装色是影响迷彩伪装效果的关键因素。提出一种基于改进K均值聚类分析的迷彩伪装色选取算法:在Lab颜色空间中选择色差尽可能大的标准伪装色作为初始聚类中心,由最小色差原则和相邻元素特征共同决定目标像素归属,最后将得到的背景优势色(最优聚类中心)转换为军标规定的迷彩伪装色。通过迷彩伪装图案设计实例对伪装色选取算法进行了实验分析,并通过边缘检测和识别跟踪算法对不同背景下的目标迷彩伪装效果进行了验证。结果表明,基于改进K均值聚类分析的迷彩伪装色选取方法能够满足迷彩图案具备较好伪装效果的要求。

基于K-均值聚类分析的城市道路汽车行驶工况构建方法研究

以实时采集的乘用车行驶数据为数据源,进行了城市道路汽车行驶工况构建方法的研究。分别运用运动学片段分析法、主成分分析法和K均值聚类分析法对实测数据进行降维和分类,提出以Silhouette函数实现对聚类结果的筛选,以减少人为选择的误差,并根据聚类中心的大小筛选所需运动学片段构建候选工况。在目标代表工况的遴选方面,提出了综合6个特征参数和最大SAFD差异值的评价标准。最后通过试验验证了该行驶工况构建方法的有效性和精确性。

基于网格的K-均值聚类分析算法的研究

在K-均值聚类分析算法和网格聚类算法基础上,对两种算法进行整合并提出了一种新的KG.CA聚类分析算法。通过对计算密度阀值的函数的改进,本文提出了一种基于网格的K-均值聚类分析算法。最后通过详细的数据分析和计算验证KGCA聚类分析算法可以有效降低凝聚度,和提高分离度从而有效提高聚类效率。

基于GA的K均值聚类分析在消费心理学中的应用

企业为了扩大销售,就必须根据市场细分的原则,通过对消费者的聚类,了解不同消费者的需要。传统的K均值聚类分析对于初始聚类的中心点比较敏感,借助于遗传算法能够搜索到全局最优解的特点,可以克服传统方法的缺点。运用基于GA的K均值聚类分析方法,对于86个不愿意购买某品牌方便面的大学生进行调查,结果表明男生主要是对该方便面的外观包装和面饼大小不满意,女生主要是对它的口感和外观包装不满意。这一分析结果对于企业改进产品设计是有帮助的。

用模糊K均值聚类分析研究茶叶分类

选用茶叶的6个化学参数,运用模糊K均值聚类分析方法进行分类研究,得到了比判别分析等其他方法更为丰富的信息,有利于对分析结果进行研究,是一种具有优势的模式识别方法.

边缘区域经济发展的K-均值聚类分析研究——以闽南金三角边缘地带漳州市为例

边缘区域经济是指在地理上远离经济增长中心,在经济发展方式上没有较好的经济增长模式,在经济发展水平上落后于该区域经济平均水平的区域。在近30年的发展过程中,漳州市由于历史文化、发展道路选择等原因没有把握好难得的一次历史发展机遇,逐渐演化成"闽南金三角"内一个典型的边缘区域经济地区。通过对漳州市所辖10个县(市、区)进行k-均值聚类分析发现,漳州市各县(市、区)经济边缘化程度不同,可以分为三层。根据三层区域各自的资源禀赋和区位特点对各县提出针对性的经济建设对策,助推漳州市融入"闽南金三角"区域一体化中。

模湖K均值聚类分析用于染料的分类

用模糊K均值聚类分析方法研究染料分类,结果表明模糊K均值聚类分析能够提供比判别分析更为丰富的信息,便于对分析结果进行研究。同时,该方法既能聚类,又能进行判别。

模糊K均值聚类分析在化合物酸碱性分类研究中的应用

选用化合物中影响酸碱性的5个参数,运用模糊K均值聚类分析方法对化合物进行酸碱性分类研究,得到了比判别分析等方法更为丰富的信息,有利于对分析结果进行研究.结果表明,模糊K均值聚类分析既能聚类,又能进行判别,是一种具有优势的模式识别方法.

K-均值聚类分析法在目标威胁评估中的合理性检验

结合现代防空作战的特点,为了对空中目标进行合理的威胁评估,论文提出了基于K-均值聚类分析法的目标威胁评估的方法,并结合层次分析法对K-均值聚类分析法评估的合理性进行判断,充分利用客观和主观相结合的方法,提高了评估方法的可信度,克服了单一评估方法的缺陷。论文首先对K-均值聚类分析法的原理和基本步骤进行了阐述,再针对评估结果的不足提出了层次分析法的排序模型,结合排序对聚类结果进行分析,使评估更加趋于合理性。

基于K均值聚类分析法的城市房地产投资风险研究

为促进分类调控政策和土地供应计划的有效实施施,将房地产投资风险类型分为需求风险、供给风险、供需风险和房价偏离风险四种类型型,并依此构建评价指标体系,采用K均值聚类分析法对20个重点城市进行风险分类。研究结果表明,由于城市的基本面不同,风险类型也不同,采取的应对措施应有所差异。对于供给类风险型城市型城市,政府应通过控制土地供应节奏、调整住房供应结构加以防范;对于需求类和供需类风险型城市型城市,政府应采取优化产业结构、强化人口导入以促进住房消费需求;对于房价偏离风险型城市型城市,政府应采取市场化的调控手段段,促进房促进房价回归合理水平平。

一种基于K均值聚类分析的风机退化模态识别

为提高风机预警维护的及时性与准确性,需对风机运营状态、退化模式进行有效识别,提出一种基于K均值聚类分析的风机退化模态识别。基于统计识别理论,引入K均值聚类分析对历史数据与状态信息学习分类,通过调整类内紧密度识别齿轮箱退化状态,利用风机模拟平台进行退化状态评估实验,划分退化区间,验证齿轮箱性能评估的有效性。实验结果表明基于K均值聚类分析的风机退化识别模型可有效识别风机运营模态,划分退化区域,为建立风机维护模型提供更为精确的科学依据。

基于聚类分析与粒子群算法优化神经网络的灰熔点预测

针对解决燃煤锅炉或气化炉的结渣现象,影响锅炉安全性问题,以灰成分金属氧化物为自变量,灰熔点流动温度为因变量,建立了K-Means-PSO-BPNN的灰熔点预测模型,误差分析结果表明,经过粒子群算法优化,BP神经网络模型在聚类分析后的预测效果得到了显著提高,表现出更好的相关性,相关系数为0.967,高于未优化的0.917,平均绝对误差为5.81,小于未聚类的26.98,并且模型的准确性提高到98.89%。因此,聚类分析以及粒子群算法优化后的神经网络模型能够更准确预测煤灰的流动温度(FT)。

基于K-均质聚类分析超低渗透率储层分类研究

介绍了K-均值聚类分析基本原理,给出了对储层进行聚类分析和评价的方法,以松辽盆地南部十屋油田营城组储层为例编写程序进行了分类评价。在储层分类评价标准参数的选取中,采用实验室分析化验数据,选取了反映岩石宏观物理性质的孔隙度、渗透率以及反映油气产出能力的排驱压力和反映岩石微观孔隙结构的平均孔隙半径。根据标准参数值,程序中将储层划分为4个类,即特低渗透率储层、超低渗透率Ⅰ类储层、超低渗透率Ⅱ类储层及非渗透储层。超低渗储层是研究区主要的储层类型。这种方法不仅可以自动识别储层类型,还可推广应用于划分地层岩性等研究中。

中国与“一带一路”沿线国家货币合作的实证研究——基于最优货币区(OCA)指数的聚类分析

选取"一带一路"沿线43个样本国家,利用最优货币区(OCA)指数模型测度2010~2018年三个阶段中国和沿线国家货币合作成本的影响因素,并对样本国家进行货币合作的聚类分析,研究显示,产出水平波动性差异、经济结构差异及货币政策差异对中国和沿线国家货币合作成本产生了显著的影响;"一带一路"倡议实施后,人民币与多数样本国家的OCA指数均值都发生了不同幅度的下降,中国同"一带一路"沿线多数国家的货币合作正处于快速上升期;人民币在周边邻近国家的国际化程度相对较高,但整体上人民币国际化仍然处于初级阶段。建议在沿线不同国家分阶段、分区域依次开展货币合作;增强人民币在沿线国家中的持有惯性;在不同类型的沿线国家实施有针对性的货币合作推进方案。

基于K-均值聚类对任务定价的计量分析

针对"拍照赚钱"的任务定价,运用了K-均值聚类分析、多元线性回归等方法,构建了任务经纬度的K-均值聚类分析模型及多元线性回归函数模型,主要利用了Matlab软件,且综合使用了EVIEWS、SPSS等其他软件编程求解,得出了任务的定价规律、未完成任务的原因,比较了原定价方案和改进后的定价方案,了解了任务打包后对任务完成情况的影响,最后给出新项目的任务定价方案.

基于聚类分析与神经网络的电力系统负荷预测

电力负荷数据具有很强的非线性和随机性。为了提高负荷预测模型的精度,提出了一种基于聚类分析与神经网络相结合的预测模型。采用K均值聚类分析算法对影响负荷的各种因素进行分类处理,再选择预测日所属类别的历史数据作为训练样本对BP神经网络模型进行建模;利用MATLAB对北京市朝阳区的负荷量进行预测分析。结果表明未聚类预测模型的平均相对误差为6.4633%,聚类后的负荷预测模型平均相对误差为2.1431%。可见对历史数据进行聚类后建立的负荷预测模型误差更小,预测精度更高。

低丘缓坡地空间拓展的主成分聚类分析评价

土地资源紧缺制约着社会经济的发展,开发低丘缓坡地是解决人地矛盾、优化土地配置的有效举措。以福建省邵武市为研究区域,从空间区位、自然地理、社会经济、生态环境4个方面构建评价指标体系。基于GIS和RS技术,综合运用主成分分析法(principal component analysis,PCA)对邵武市低丘缓坡地进行适宜性综合评价,并通过K-均值聚类分析(K-means clustering analysis)将建设用地适宜性分为4类。结果表明,福建省邵武市低丘缓坡土地资源总面积为119 512.71 hm^2,占邵武市总面积的41.83%;其中最适宜、较适宜面积达44 529.57 hm^2,占低丘缓坡资源的37.26%,集中分布在中心城区附近,涉及主要乡(镇)有城郊镇、水北镇等。该评价结果与规划文本相吻合,不仅能为邵武市开发低丘缓坡地提供合理的科学依据,还能为各乡(镇)制定区域规划政策指引方向。

基于因子聚类分析的我国农业类上市公司经营绩效评价研究

运用SPSS.23软件对我国39家农业类上市公司进行了因子分析和K均值聚类分析。重点研究对公司经营绩效影响较大的因子,发现目前农业类上市公司存在总体经营绩效不太乐观,且公司间经营绩效差距较大等问题,提出了提升农业类上市公司经营绩效的对策建议。

基于聚类分析和回归分析的南极洲地表温度问题的研究

针对南极洲平均地表温度的定义以及平均地表温度随时间变化的问题,分别构建模糊C均值聚类模型和多元线性回归模型,使用MATLAB、EVIEWS等软件编程,得到南极洲在连续一段时间内的平均地表温度以及南极洲地表温度随时间的推移呈波动上升的趋势。