应用聚类分析对关联规则进行分组

关联规则是要从大量的数据中找到数据之间的规律，但有时所产生的规律十分繁多，从而形成新的知识管理问题。针对该问题本文提出了一个新的算法，该算法利用系统聚类分析方法对规则进行分组，从而可更好地帮助用户解所发现的规律，该方法的距离（RatioD）是基于关联规则本身，因此，可对规则进行高效地分组。实验结果表明，该算法是有效的。     

灰色灾变预测模型及其应用

灰色系统是信息不完全系统,不少论文提出了"灰数"、"灰平面"、"灰色统计"等一系列全新概念,为不确定性,信息不完全的数的研究提供了一种新的分析处理方法.灰色方法即是对一些离散的原始数据采用累加生成及其逆进行处理,使之转化为适合用微分方程等方法来建模的有序数列的新方法.本文使用双向差分方法建立了一种灾变预测的灰色预测模型,并对某地区历年来的旱、涝灾数据进行灰色处理,进一步预测到旱、涝灾情将再发生的时间.最后分析了灰色预测模型的拟合精度.     

基于K线理论的股票灰色预测方法研究

文章将GM(1,1)模型用于股票预测,提出了基于K线理论的股票灰色预测方法,并通过预测实例说明了其有效性.     

应用ART1神经网络仿真车间分组

阐述了ART1神经网络在制造单元设计过程中形成零件族的基本方法,并在基于MATLAB的软件平台上,利用其神经网络工具箱对生产过程中的实际情况进行了仿真和应用。     

大规模定制中应用聚类分析法获取客户需求

应用聚类分析法,根据客户忠诚度等指标,对复杂的客户需求进行合理聚类,聚类的结果将指导产品族建模的方向.这样形成的产品族模型能够充分体现客户需求的个性化与产品模块的完备性.     

基于灰色系统预测直升机航迹的研究

 反直升机智能雷对直升机航迹的预测在作战中非常重要,但在数据非常有限的情况下,准确地预测又很困难。提出了用灰色系统理论解决直升机航迹预测问题,建立了灰色系统 GM预测模型和 n次累加残差模型并对GM预测模型进行修正。在每个采样期间内,实时在线建立GM预测模型和残差模型以提高预测精度。通过实例计算能看出用较少的探测数据可以得到较高的预测精度。     

优化的GM(1,1)模型及其适用范围

在已有灰色理论的基础上,利用“最小二乘法”确定GM(1,1)白化权函数的时间响应函数中的常数c,摈弃了传统GM(1,1)把原始序列中x^(0)(1)作为初始条件的欠科学的做法,构建了时间响应函数的优化模型。经大量的数据模拟和预测,发现优化的GM(1,1)模型各项指标均优于传统的GM(1,1)模型,且拓宽了其适用范围。     

灰色系统理论中二维数据序列均值生成的讨论

灰色系统理论中非等时序序列或含有空穴的序列,通常可以用均值生成方法来填补,生成等时序序列。本文研究发现,用非紧邻均值生成方法生成的内点与实际存在有明显的误差,为此讨论了均值生成和有偏生成算法。利用数据序列点的局部凹凸特性来表示数据序列点的特征,提出了采用数据序列点连线的状态选取生成系数的方法。通过对一维数据序列传统均值生成方法的比较,给出了二维数据序列的定义,讨论了在二维数据序列下的均值生成方法,提出了有偏生成算法中生成系数分解的选取方法。     

状态监控与故障诊断聚类分析法

概要阐释聚类分析方法及其技术要点，对用聚类分析进行状态监控和故障诊断作了探索性研究，提出用８种系统聚类法进行状态监控和故障诊断。     

一种改进的Manifold数据降维方法研究

Manifold学习算法已经被广泛应用到很多领域,如信息检索、模式识别、人工智能和数据挖掘等。已有的Manifold学习算法对局部临近区域选择很敏感,并且降维后的数据可分割性比较差。本文提出了一种自适应临近区域选择、具有良好信息可分割性的Manifold学习算法。这种方法在每一个数据点根据数据可估算的本质维度和局部正切方向选择临近区域。与此同时,在映射数据的时候使用聚类分析法聚集相似样本点集。这种方式能确保降维数据具有良好的可分割性,获得更好的降维效果。实验结果表明,新的方法在人工生成数据集上具有更好的嵌入效果。