聚类目标函数下混合属性大数据集分析系统

传统的混合属性大数据集分析系统分析结果准确性差,针对这一问题,基于聚类目标函数设计了一种新的分析系统,对系统硬件和软件进行了优化。分析系统硬件由网络爬虫模块、数据处理模块、大数据集分析模块、用户管理模块四部分组成,通过单机聚类和分布式聚类对大数据集进行聚类处理。在给出的硬件平台上设计了网络爬虫程序、数据处理程序和数据分析程序。为检测分析系统性能,与传统分析系统进行实验对比,结果表明,利用聚类目标函数的设计分析系统在分析混合属性大数据集这一问题上,准确性高,安全可靠,具有很高的应用价值。

基于直觉模糊熵的目标函数聚类

针对将模糊聚类扩展为直觉模糊聚类具有的重要的理论和应用价值,研究了直觉模糊熵的基础上,提出了一种基于直觉模糊的聚类目标函数的思想。利用拉格朗日定理推导了目标函数参数求解,并给出了基于直觉模糊熵的聚类算法。通过典型试验表明基于直觉模糊熵的目标函数聚类提高了聚类的准确率,性能优于模糊聚类。

目标函数聚类法最佳分类数的确定及其在地下水动态分类中的应用

本文针对常规目标函数聚类法在聚类过程中不能确定最佳分类数的缺陷 ,应用Fuzzy伪F统计来确定最佳分类数 ,并应用该方法对某河流附近的 15个观测孔的水位动态进行分类 。

目标函数聚类法在地下水动态分类中的应用

地下水动态类型的划分是正确认识研究区水文地质条件与地下水开发利用之间关系的一个重要环节。本文论述了目标函数聚类法的原理与计算过程，并应用该方法对某河流附近的１５个观测孔的水位动态进行分类。分类结果表明该方法具有较高的可靠性与较广的适用性。

目标函数聚类法的适用性分析

以基于模糊c-划分的聚类方法为基础,针对影响目标函数聚类法聚类效果的主要因素,分别从5个主要方面作了聚类算法的适用性分析。

基于属性分组的子空间聚类算法研究

针对分类数据,基于属性分组技术和多目标聚类质量函数,提出一种子空间聚类算法.该算法采用属性分组技术,将高相关属性划分到同属性组中,利用同组属性相关性度量属性权重值,构建属性软子空间;采用基于多目标的聚类质量函数,判断整体聚类效果,通过迭代优化簇集结构,达到最佳的数据划分状态.在人工合成数据集和UCI数据集上,实验验证了该算法的正确性、高效性和可靠性.

一种最小生成树聚类算法

现有的聚类算法都不能在输入较少参数的情况下得到任意形状任意密度的类.提出一种最小生成树的聚类算法,该算法不但能解决上述问题,还能处理高维数据,发现异常点,且具有扩展性.针对该算法提出一个目标函数,该函数根据对象的类属情况和相似度统计信息来判别聚类效果的质量.最后,通过实验验证了该算法的聚类质量很好,目标函数具有良好的收敛性.

基于属性扩展图的聚类算法研究

提出一种新的图聚类算法,结合结点的结构及属性特性,使用统一的随机移动距离计算结点间的相似度,在邻接随机移动距离矩阵的基础上进行聚类.实验结果表明,基于属性扩展图的聚类算法在图拓扑结构的基础上,充分考虑了各个结点所拥有的属性特点,得到的聚类结果将更好的切合实际的应用.

结合弱监督信息的凸聚类研究

基于目标函数的聚类是一类重要的聚类分析技术,其中几乎所有算法均是经非凸目标的优化建立,因而难以保证全局最优并对初始值敏感.近年提出的凸聚类通过优化凸目标函数克服了上述不足,同时获得了相对更稳定的解.当现实中存在辅助信息(典型的如必连和/或不连约束)可资利用时,通过将其结合到相应目标所得优化模型已证明能有效提高聚类性能,然而,现有通过在目标函数中添加约束惩罚项的常用结合方式往往会破坏其原有凸目标的凸性.鉴于此,提出了一种新的结合此类弱监督辅助信息的凸聚类算法.其实现关键是代替在目标函数中添加约束,而是通过对目标函数中距离度量的改造以保持凸性,由此既保持了原凸聚类的优势同时有效提高了聚类性能.

一种基于Markov随机场的FCM图像分割方法

针对传统的模糊c均值聚类(fuzzy c-means,FCM)图像分割算法只考虑各像素自身的灰度信息而忽略其空间位置关系、去噪能力较差且计算冗杂的问题,提出一种基于Markov随机场的FCM图像分割方法.该算法以FCM算法为基础,采用Markov随机场来描述图像中像素间的邻域关系,并对聚类目标函数进行改进.实验结果表明,该算法分割效果好,效率高,去噪能力强,实时性好.

应用模糊数学方法对鄱阳湖地区构造稳定性进行评价

在详细阐释模糊聚类中目标函数聚类原理和方法基础上,选取22个与鄱阳湖区构造稳定性有关的变量,并利用KLL变换对该22个变量进行处理后,选取前5个因子变量代替原22个变量.采用网格单元的划分将全区分成167个网格单元,应用目标函数聚类方法(ISODATA)将全区167个单元进分成四个类别,利用GIS技术将该四个类别展布在空间上,根据它们各自的空间分布规律结合该地区现有的遥感图像线性构造解译成果和已有的地质、地震、重力、航磁等资料对四个类别区的构造稳定性进行分析,最终得出该区稳定性程度总体上由低至高为第一类区、第二类区、第三类区、第四类区.