多层模糊聚类法在军队物资供应商选择中的应用

军队物资供应商的选择是采购机构的重要决策过程,如何进行供应商的评价、筛选对采购机构具有重要意义。在传统模糊聚类分析的基础上,引入多层模糊聚类法,构建供应商的评价模型,采用多层模糊聚类分析算法,得出最优供应商。

循环流化床入炉垃圾热值软测量

面对城市生活垃圾(MSW)的热值(HVs)难以实时测量的现状,构建基于减法聚类的自适应模糊神经网络(ANFIS)的入炉垃圾热值软测量模型.针对循环流化床(CFB)生活垃圾焚烧炉的工艺特点,选择模型的输入变量;依据专家经验对样本的热值进行模糊分类;利用减法聚类(SC)算法对训练样本进行分析,自适应地确定初始模糊规则和模糊神经网络的初始结构参数;结合最小二乘估计法和误差反向传播算法对模糊神经网络的参数进行学习,构建自适应神经模糊推理系统,完成CFB生活垃圾焚烧锅炉入炉垃圾热值的软测量建模.对比研究BP神经网络、RBF神经网络和支持向量机模型在垃圾热值预测方面的表现,结果表明:基于减法聚类的模糊神经网络模型具有最高的预测精度.预测值和实际垃圾热值的比较结果证明:模糊神经网络模型能够表征垃圾热值的整体变化趋势,可以对循环流化床垃圾焚烧锅炉的运行、控制和管理起到指导作用,并且能够为循环流化床生活垃圾焚烧锅炉的燃烧自动控制(ACC)系统提供可靠的热值反馈信号.

面向信息服务的多层次过滤模糊聚类方法研究

如何从网络上获取真正需要的信息是企业信息服务所面临的一个重要问题。通过信息过滤技术,可以获取企业需要的信息。为了提高企业信息过滤的准确性,文章给出了文本相似度的混合算法,减轻了干扰特征项对分类结果的影响,并在此基础上提出了多层次过滤模糊聚类方法,主要解决处于聚类边缘点信息的分类模糊性问题。仿真结果显示采用多层次过滤模糊聚类方法提高了文本信息过滤效果。

堆叠隐空间模糊C均值聚类算法

基于极限学习机理论,将主成分分析技术与ELM特征映射相结合,提出一种基于主成分分析的压缩隐空间构建新方法.结合多层神经网络学习方法对隐空间进行多层融合,进一步提出了堆叠隐空间模糊C均值聚类算法,从而提高对非线性数据的学习能力.实验结果表明,所提出算法在处理复杂非线性数据时更加高效、稳定,同时克服了模糊聚类算法对模糊指数的敏感性问题.