基于改进关联规则的交互式元数据快速聚类方法

针对交互式元数据样本分布不均、聚类时间较长、离群点检测效果不佳的问题,提出基于改进关联规则的交互式元数据快速聚类方法。将交互式元数据划分为多个数据片,形成元数据分布式处理框架,根据待聚类数据对象的标识和定位信息建立数据网格索引机制,采用布尔矩阵和内积运算算法取代基础关联规则的编码方式和运算方法,定义分类算法所需的值函数,将特征点排列方式换变为按数据维度排序,获取改进关联规则,结合模糊均值算法和拉格朗日乘数法完成交互式元数据快速聚类。实验结果表明,比较原先的方法,所提出方法的聚类运行时间减少了81.27%、79.03%,有效提升了元数据聚类效率。

基于聚类算法和关联规则算法的学生考试成绩数据挖掘研究

以信息技术基础数学期末考试成绩为研究对象,采用K-means聚类算法进行分析,划分出3个特征明显的簇,以反映学生在课程学习中的不同表现层次。采用Apriori算法挖掘各簇内部的知识点关联,揭示课程内各知识点之间的隐含关联,并通过深入剖析数据,发现了知识点间的内在联系。这不仅有助于学生更好地理解课程内容、提升学习效率,也为教师优化教学方案、提升教学质量提供了有益参考。

基于Vague聚类规则的双向近似推理

在智能系统的研究与开发中 ,推理方法的计算复杂性是一个很重要的问题 .为了获得良好的推理效果和推理效率 ,就必须降低推理方法的计算复杂性 .为此本文首先给出了一个新的 vague集间的距离定义 ,然后给出了相似方向的概念及相似方向的判定方法 .在此基础上 ,提出了对 vague规则进行聚类 ,以及基于 vague聚类规则的双向近似推理方法 ,该方法更好地利用了 vague集信息的精确性 ,而且降低了推理的计算复杂性 ,从而提高了推理的精确性和适用性 .并用实例验证了该方法的有效性 .

基于聚类规则挖掘的思政教育教学素材整合系统设计

传统思政教育教学素材整合系统技术陈旧,整合效率低。为此,研究基于聚类规则挖掘的新系统。设计系统硬件,明确所需设备。软件部分包括建立素材库、数字化处理、聚类分类和动态扩展整合。测试表明,新系统在大量素材时能显著提高处理效率,有效整合教学资源。

基于半监督竞争聚类和改进Apriori算法的大型火电机组燃烧优化

为消纳大规模新能源并网,火电机组通过数据挖掘进行燃烧优化时需处理更高维度、更大存量的数据,现有无监督聚类/Apriori算法挖掘效率低不适应机组高灵活性运行要求。针对此问题,在无监督聚类算法中引入约束惩罚因子使之转为半监督聚类以提高聚类效率,并基于划分思想对Apriori算法进行改进以避免冗余规则的产生,提高挖掘效率,形成基于半监督竞争聚类与划分关联规则挖掘结合的新数据挖掘算法。以某电厂660 MW机组为例,用新算法进行数据挖掘,得到各运行参数优化值,建立典型样本库实施燃烧优化,并与改进前算法做对比。结果表明:新算法提高了挖掘效率与存储空间利用率,对于大型火电机组的燃烧优化有一定的实际应用价值。

基于Tukey规则与初始中心点优化的K⁃means聚类改进算法

针对K⁃means聚类算法存在的初始中心点选择及异常点、离群点极易影响聚类结果等待改进问题,提出了一个基于Tukey规则与优化初始中心点选择的K⁃means改进算法。该算法利用Tukey规则构造核心与非核心子集,将聚类过程划分成2个阶段。同时,在核心子集上执行中心点逐个递增优化选择策略,选出初始中心点。在来自UCI的20个数据集上聚类结果表明,本文提出的算法优于K⁃means++聚类算法,有效地提升了聚类性能。

一种结合谱聚类与关联规则的轴承故障诊断方法

针对现阶段机械设备轴承故障诊断方法难以挖掘隐含特征、诊断精准度低等问题,将谱聚类(spectral clustering, SC)算法与关联规则算法Apriori相结合,提出SC-Apriori算法;首先根据美国西储大学轴承数据中心网站公开发布的轴承故障数据集,选取0负载下的数据,计算得到滚动轴承振动信号的9个时域特征和3个频域特征;其次使用Pearson相关系数进行特征筛选,留下9个有效特征,再利用SC-Apriori算法挖掘出训练数据集中轴承不同特征数据之间的关联关系,并引入提升度来去除冗余的关联规则,进而构建一个规则库;再将测试数据进行处理,并与已建立的规则库进行比对,根据匹配率来判断其故障类型;在测试数据上的实验结果表明,与已有算法相比,文章设计的SC-Apriori算法挖掘出的规则数量大幅减少,匹配速度更快,且匹配效果更好。

基于改进关联规则挖掘和距离聚类算法的知识融合

针对产品全生命周期管理(PLM)中来自于不同阶段和不同领域的设计文档,本文提出一种基于实体抽取的改进关联规则挖掘与距离聚类相结合的知识获取与融合的算法。以汽车行业领域知识获取与融合为例,从相关文档中抽取出8 183组数据,220 941个实体,将各组数据的27个特征两两交叉并与原来的特征规则共同作为候选集,进行关联规则挖掘,并构造初步的领域知识库。通过定义知识库中各实体之间的距离,结合聚类算法减少冗余知识,再根据融合后的知识构建知识库。实验表明,该算法在一定程度上减少了知识模型的规模,提高了领域知识库中知识的价值密度。

一种基于Vague关系的模糊聚类方法

Vague关系作为模糊关系的一种推广,在某些情况下,比直觉模糊关系具有更强的模糊信息表达能力。本文基于max-t & min-s合成运算,将Yang和Shih的用于模糊关系的n步过程扩展到Vague关系上,扩展后的n步过程可以将相似Vague关系矩阵转换为等价Vague关系矩阵,进而提出了一种适用于所有max-t & min-s等价Vague关系矩阵的聚类算法。

Vague集的相似度量及其在聚类分析中的应用

在智能系统的研究与开发中,聚类分析是一个非常重要的问题。提出了一个基于未知度和核的Vague集间的相似度量公式。在考虑算法自主性和计算复杂性的基础之上,通过参考Fuzzy集中的相关聚类分析方法,给出了一种以Vague集的相似度量为评价准则的直接聚类算法。使用相似度量公式,分别采用Vague传递闭包法和Vague直接聚类法进行计算,实验结果表明,基于Vague相似度量的直接聚类法计算简单,不会造成原始信息的失真,而且对数据量的大小均无特别的要求,比Vague传递闭包法更加有效。

基于Vague聚类方法的战场电磁目标分选

为有效地评估战场电磁态势,研究战场电磁目标的聚类分选方法是非常必要的。提出了一种Vague集相似度量方法,该方法能同时考虑目标数据的全部证据信息和不精确性信息。然后,结合领域专家的知识与经验,研究了一种Vague聚类方法,该方法通过对构建的布尔矩阵逐行扫描,能方便地实现对目标的聚类分选。最后,选定某战场环境中的5个电磁目标,采用提出的Vague聚类方法进行分选分析,计算结果验证了采用Vague聚类方法分选战场电磁目标的可行性。

一种Vague集上的直接聚类法

Vague集是Fuzzy集的扩展,在给出几种构造Vague集相似矩阵方法的基础上,将Fuzzy集上的编网法和最大树法引入到Vague集上,定义了Vague关系图,并给出了基于Vague集的直接聚类法:编网法和最大树法。最后使用文献[1]中的例子,分别采用Vague传递闭包法和Vague直接聚类法进行计算。实验结果表明,Vague直接聚类法计算简单,不会造成原始信息的失真,比Vague传递闭包法更加有效。

基于粒子群的Vague均值聚类分割算法

将Vague集引入模糊C-均值聚类目标函数,对其添加非隶属度信息,定义样本关于类的肯定隶属度函数和否定隶属度函数,并构造聚类中心表达式。采用粒子群优化算法求解该聚类目标函数,设计相应聚类算法,使其快速收敛于目标函数的全局最优解。对比实验结果表明,改进算法可以分割出目标轮廓并具有抗噪性。

基于Vague集的时间序列聚类算法

在区间值时间序列的基础上,重点讨论了区间值时间序列的聚类算法。对于区间个数相等的Vague集,提出了Vague集之间的相似度量。分析了传统模糊聚类方法,特别是基于模糊等价矩阵的聚类方法和编网法聚类方法的不足,根据编网法的思想,设计了区间值时间序列Vague集聚类快速算法,降低了计算复杂度。

基于聚类和Apriori算法的苗族女上装色彩分析

苗族服饰元素是中国服饰文化的重要组成部分,其色彩搭配方式蕴含着极大的文化价值,展现了中国传统设计理念。以苗族女上装图像作为研究对象,对其色彩进行提取与分析。通过K-means聚类得到10个整体色、5个主色及10个辅色代表色,在HSV色彩空间下分析苗族服饰色彩分布,最后采用Apriori算法挖掘配色规则并建立配色网络。结果显示,苗族女上装以中低饱和、中低明度的红、黄、蓝色系为主,图案与主体色彩呈现出强烈对比。将配色关系应用到设计实践中,可促进苗族服饰色彩的传承与保护,为研究民族传统服饰色彩提供一定的借鉴和参考。

数据降维与K-均值聚类的质量评估

聚类分析在大数据时代应用广泛,但缺乏直观评价聚类质量的有效方法。为此,提出一种具有数据降维和搜寻数据固有聚类数量的处理模式。在数据散射矩阵基础上构造一个增广矩阵,利用线性辨别分析将高维数据变换到最具辨别性的低维特征子空间以实现数据降维。为解决分区聚类算法的随机初始化问题,提出最小-最大规则,避免出现空聚类并确保数据的可分性。对于聚类的结果,计算每个聚类的轮廓系数,通过比较轮廓的尺寸以评价不同聚类数量情况下的聚类质量。对K-均值算法的仿真结果说明,这种处理模式不仅能够可视化确定未知数据所固有的聚类数量,而且能为高维数据提供有效的分析方法。

融合PVA聚类和二维直方图的图像分割算法

针对一维直方图的Vague系统方法在进行图像分割时未考虑与之相邻的信息,提出融合PVA聚类和二维直方图的图像分割算法,该算法核心内容是合理地构造二维直方图,通过搜索与之匹配的元素作为集群样本的元素,利用粒子群能快速寻找最优解的能力,建立新的目标函数以提高聚类效果。

基于关联规则和复杂系统熵聚类的中药治疗腹泻型肠易激综合征用药规律研究

目的:探讨中医治疗腹泻型肠易激综合征(IBS-D)的用药特点及规律。方法:计算机检索IBS-D相关的中医证治方面文献,通过数据的标准化处理之后构建数据库,采用中医传承辅助系统挖掘用药规律。结果:此次研究一共纳入处方186份,涉及到的中药142味,用药频数最高的前10味药依次是白术、白芍、甘草、茯苓、陈皮、防风、党参、柴胡、木香、山药。中药治疗IBS-D的药物四气分类以温性最多,五味以苦味最多,其次为辛、甘;药物主归脾、胃、肺、肝、大肠经。得到了治疗IBS-D的核心药物为茯苓、白术、党参、白芍、陈皮、防风、甘草,核心组合10个,并推演出新处方5首。结论:通过文献挖掘及归纳分析,提示健脾化湿、疏肝解郁、温补脾肾是治疗IBS-D的核心治法,总结出了核心药对和新处方,对IBS-D的临床治疗有一定帮助。

高维数据聚类数量可视化确定模式

为了解决经典K-均值聚类算法要求用户事先知道待处理数据的聚类数量及聚类结果对算法的初始化很敏感的问题,提出一种对K-均值聚类算法的改进措施并可视化地确定聚类数量的综合方案。首先,对数据进行标准化,使其服从正态分布,利用主分量分析(princi‐palcomponentanalysis,PCA)抽取数据中最重要的特征以实现高维数据的降维;然后,采用最远质心选择和最小-最大距离规则对K-均值聚类算法的初始化进行修正,避免出现空聚类并确保数据的可分离性;在此基础上,采用统计经验法则估计聚类数量的可能范围,通过搜索在此范围内平方误差和(sum-of-squared-error,SSE)曲线的肘部估计最佳的聚类数量;最后,通过计算比较各个聚类的轮廓系数以评价算法的聚类质量,从而最终确定数据集固有的聚类数量。仿真结果表明,该方案不仅能可视化地确定数据集潜在的聚类数量,而且为大数据时代的高维数据分析提供了一种有效的方法。

基于关联规则和熵聚类探讨杨米雄针刀治疗腰椎间盘突出症取穴规律研究

腰椎间盘突出症(lumbar disc herniation,LDH)是以腰痛及功能障碍类为主要表现的常见多发病[1]。LDH常会给患者心理、生理产生巨大压力,且其发病率呈上升、年轻化趋势[2]。小针刀广泛应用于LDH的治疗,其能对病变部位行剥离、松解,缓解组织机械性压迫,恢复生物力学平衡。