网络计量学的一种Internet分布式聚类分析软件

聚类分析是人类认识世界和归纳知识最基本的技术之一。对网络计量学也不例外 ,如对网站及文献资源进行分类分析等。模糊聚类分析通过计算模糊等价关系矩阵 ,保证了样品间相似关系的自反性、对称性 ,以及传递性 ,是一种反映客观世界真实相似关系的聚类技术。在本研究中 ,研制了可选择多种相似性测度的模糊聚类分析的 Internet分布式计算软件 Fuzzy Cluster○C。该软件由 6个 Java类和一个 HTML 文件组成 ,具有友好的图型用户界面 ,可在多种网络浏览器上运行 。

通用智能化模糊聚类分析系统的设计与实现

完成了一个通用智能化模糊聚类分析系统的设计系统采用多种数学模型 ,自动进行模糊聚类分析 ,建立动态聚类分析图 ,确定最佳阈值 ,并将该软件成功地应用于古陶瓷的分类与产地研究。

软件开发团队的多目标优化构建研究

分析了客户需求与候选成员能力的关系,使用模糊排序聚类算法得到专业领域分工的集群;同时依据迈尔斯—布里格斯性格类型指标得到候选成员协作关系的量化评估。建立了以成员综合能力和性格匹配度最大化为目标的团队构建模型。最后,结合一个具体案例,采用带有判断与修复算子的微粒群算法对模型进行求解,得到表示团队构建候选方案集合的帕累托解,从而验证了该优化模型及算法的有效性和实用性。

基于模糊聚类的旅游资源评估系统

旅游资源评价对于旅游资源的开发十分重要.对旅游资源的评价,选择了珍稀度、古悠度、规模度、奇特度、保存度、审美度、组合度和知名度8项指标.通过专家打分确定8项指标的权重.采用模糊聚类法分析旅游资源的界值类型和空间分布规律.系统软件采用Delphi编制,给出了软件的设计思路和实现方法.该系统在对浙江省旅游资源评估中获得成功应用.

移动互联环境下基于改进模糊聚类理论的用户分群算法

在移动互联环境下,依据用户行为规律对业务兴趣相似用户进行分群,可为业务准确推荐和资源有效配置提供有力支撑。因此,提出一种基于改进模糊聚类理论的用户分群算法。首先,分别定义业务兴趣相似度和业务顺序相似度,进而建立用户综合相似度指标;其次,构建基于用户综合相似度的模糊聚类模型,进而采用网格划分方法确定初始群组中心,并依据平均用户隶属度调整用户群组个数,从而实现快速准确的用户分群。仿真结果验证了该算法的有效性。

面向软件缺陷数据聚类分析的数据降维处理方法

面向软件缺陷数据的聚类分析就是按照一定的准则将不同的软件缺陷数据对象划分为多个类,使得类内的缺陷数据相似,类间的缺陷数据相异,其意义在于发现软件缺陷的分布规律,有针对性地制定测试方案,优化测试过程.针对传统K-Means方法聚类结果依赖样本初始空间分布的问题,提出一种基于PSO算法的数据降维处理方法 DRPS.仿真实验表明,经过该方法降维处理后数据的聚类准确率及聚类质量都有了一定程度的提高.

基于SPSS的我国各省市互联网使用状况分析

随着信息高科技的快速发展,互联网技术将人类的文化传播带进了一个崭新的时代,即人们所称为的网络时代.我们几乎每天都要与网络打交道,它已经成为日常生活中不可或缺的一部分,网络已经很大程度上改变了人们的生活。人们对信息的需求不断增加,加大了人们的信息消费,而今互联网已成为我们生活中不可缺少的东西,互联网也正在潜移默化地影响着我们的生活方式、学习方式、交往方式。本文围绕我国各省市的互联网的使用状况进行分析,用聚类分析、主成分分析、对应分析方法分析各省市的互联网的使用情况,兼用SPSS软件,以此得出数据分析的结果以及各省市在互联网使用上的状况的差异。

基于复合分析算法的智能电表数据应用

随着智能电表使用的普及化,其带来的海量数据得到了广泛关注。对这些数据的分析可获得众多有价值的信息。用户用电量预测是泛在电力物联网建设的核心内容。利用智能电表海量数据实现用户用电量的精准预测,是智能电表数据的重要应用方向之一。提出了基于模糊聚类、子群发现和长短期记忆(LSTM)神经网络相结合的复合算法,利用海量智能电表数据实现了用户用电量精准预测。首先,通过模糊聚类将区域内用户按用电量进行合理分类。然后,采用Apriori子群发现算法深度挖掘各子类中影响用电量的关联性因素,将各子类的相似日关联性因素和历史用电量作为LSTM的训练数据完成神经网络的训练。最后,实现了目标日的用电量精准预测。算例分析表明,该算法有效、可行。与其他预测方法相比,该算法剔除了非关联因素的影响,预测精度明显提高,实现了智能电表海量数据的高效利用。

模糊聚类算法在软件度量数据分析中的应用

为了提高软件质量,控制和改汕软件开发过程,需要有效地度量软件开发过程和分析其过程各个阶段收集的度量数据。文中将模糊聚类算法应用到软件度量的数据分析中。先给出了数据挖掘相关知识和理论,再介绍了该算法在软件度量数据分析中应用的实验研究。由于较快地发现有严重缺陷的模块,进而提高了软件测试效率。

一种适用于物联网的入侵检测方法

物联网的开放式部署环境和有限的资源,使其很容易受到恶意攻击,而传统入侵检测系统又很难满足物联网自身的异构和分布式特征。为了适应开放式部署环境、资源有限类物联网应用需求,提出了一种基于模糊聚类c均值算法(fuzzy c-means,FCM)和主成分分析算法(principal component analysis,PCA)相结合的轻量级入侵检测系统。相对于传统入侵检测方法,该方法能明显减少测试数据的计算量。仿真实验结果表明,该方案能明显缩短检测时间并具有较高的检测率。