基于模糊C-均值聚类的斜坡稳定性判别

采用模糊C-均值聚类方法对斜坡的稳定性进行判别.针对传统的模糊C-均值聚类方法(FCM)在处理此问题时表现出来的极大不稳定性,以样本特征均值代替FCM中随机初始中心,避免了传统FCM对初始中心敏感的缺陷,纠正了其聚类结果对未知斜坡稳定性的判别.改进后的聚类结果能够保持斜坡样本的基本特征属性,可较为准确的判别出斜坡是稳定的,基本稳定的,还是稳定性差的.

基于模糊C-均值聚类法和粒子群优化算法的江西省无水港选址分析

从经济因素、交通因素、政治因素角度出发研究江西省11个市建立无水港的潜力,建立含9个评价指标的评价指标体系。给出了基于粒子群优化算法求解模糊目标C-均值聚类模型的求解步骤,然后将模糊C-均值聚类模型与粒子群优化算法相结合,建立江西省无水港选址的聚类模型,并进行求解,得到江西省无水港选址的3类聚类中心、以及江西省11个市归属3类聚类中心的录属度,进而将江西省11个市分为3类。从多经济重心联动发展视角,建议江西省近期应从第2类城市(九江、赣州、吉安、宜春、抚州、上饶)之中选址来建设无水港,从而推动江西省整体经济的发展;从区域平衡发展视角,建议应对第3类城市(景德镇、萍乡、新余、鹰潭)加大交通基础设施建设、大力发展物流产业等,促进地区经济的平衡。

基于多目标规划的众包任务最优打包数量的研究

近年来,基于移动互联网的众包平台层出不穷,而任务的定价对众包平台的发展具有重要意义。针对现实中存在多个任务点位置比较集中的现象,建立了基于遗传模拟退火算法的模糊C-均值聚类模型和多目标规划模型,解决了在任务打包发布的情况下任务定价问题,并分析打包数量不同对任务完成率的影响。