一种基于模糊聚类的组合BP神经网络数据挖掘方法

介绍了一种基于模糊聚类的组合BP神经网络的数据挖掘方法，并给出了该方法的模型和启发式BP改进算法Heuristicbp。且将其应用于数学函数值预测中，取得了学习时间短和预测精度高的效果，证明该方法是有效的，具有较高的实际应用性。     

基于模糊ISODATA*的关联规则聚类算法

在对模糊ISODATA算法分析的基础上,提出了一种适用于关联规则聚类ISODATA^*算法。本文首先分析了距离聚类的不足,然后结合关联规则的表示形式,提出了基于属性权重实现规则聚类的思想,并给出了相应的实现算法。最后采用国际上的UCI数据库进行了实验。实验表明该算法能有效地对关联规则进行聚类。     

联合模糊c-均值聚类模型

提出一种新的结合了模糊c-均值聚类（FCM）算法和可能性c-均值聚类（PCM）算法优点的联合模糊c-均值聚类（AFCM）算法。它克服了PCM对初始值敏感、易产生一致性聚类的缺点，是PCM的扩展算法。试验表明：AFCM能同时产生隶属度和典型值，从而更好地处理噪声，避免了一致性聚类，同时提高了聚类准确性。     

模糊推理在直升机模型辨识中的应用(英文)

直升机控制系统的设计、飞行模拟器的研制及计算机实时仿真都离不开直升机数学模型 ,但是建立可靠而且准确的直升机飞行动力学模型是十分困难的 ,而且也很难保证动力学模型计算的快速性、可靠性与实时性。本文基于模糊推理技术 ,根据飞行试验数据辨识了直升机飞行模型 ,可以在一定程度上保证所辨识模型的简单、准确与计算的实时性。为了提高模糊模型的精度 ,文中采用了一种新方法来处理矛盾规则。本文利用模糊聚类分析的方法对海量的试验样本数据进行处理 ,有效地减少了辨识模型的规则数量。最后的仿真辨识结果表明 ,辨识效果合理 ,方法可行。     

基于活动预测和能耗均衡的WSN路由算法

无线传感网络（WSN,Wireless Sensor Network）中节点触发与数据传输往往会呈现出某种活动模式,基于活动模式特性提出了基于活动的节点分簇算法（AACP,Activity-Aware Clustering Protocol）,将网络中的传感器 节点分成多个活动簇,并通过对节点的历史触发数据进行分析,结合分簇结果对当前发生的活动进行预测.基于活动预测结果,综合能耗均衡、节点剩余能量、传输能耗等影响因素,提出了基于活动预测和能耗均衡的WSN路由算法（AEBRP,Activity-aware and Energy Balanced Routing Protocol）.仿真实验中与低功耗自适应集簇分层型协议（LEACH,Low Energy Adaptive Clustering Hierarchy）、基于跟踪的动态节点分簇算法（HCMTT,Hybrid Clustering for Multitarget Tracking in wireless sensor networks）和传感器信息系统中的高能效采集算法（PEGASIS,Power Efficient Gathering in Sensor Information System）进行比较,验证了AEBRP算法在维持网络能耗均衡、延长网络生命周期方面具有明显优势.      

空中环境谱编制中的假设检验方法

 在依据空测环境数据通过模糊聚类分析确定空中环境谱区域划分中，提出了对分类的各类数据总体分布齐次性检验加以判别和归类的方法。通过对典型应用实例中3种检验方法（t分布假设检验、秩和检验、斯米尔诺夫检验）检验结果的分析，确定使用秩和检验与斯米尔诺夫检验相结合的方法进行空中环境谱模糊聚类分析的假设检验，使空中环境谱的区域划分更为科学合理。     

Non-linear methods in remotely sensed multispectral data classification

The aim of this research is to develop an effective approach being able to deal with the stochastic nature of remote sensing data. In order to achieve this objective it is necessary to structure the methodological knowledge in the area of data mining and reveal the most suitable methods for the prediction and decision support based on large amounts of multispectral data. The idea is to establish a framework by decomposing the task into functionality objectives and to allow the end-user to experiment with a set of classification methods and select the best methods for specific applications. As a first step, we compare our results from Bayesian classification based on non-parametric probability density estimates of the data to the results obtained from other classification methods. Tree scenarios are considered, making use of a small benchmark dataset, a larger dataset from Corine land cover project for Bulgaria and analyzing different features and feature selection methods. We show that the theoretically optimal Bayesian classification can also achieve optimal classification in practice and provides a realistic interpretation of the world where land cover classes intergrade gradually.     

一种基于聚类分析的边带跟踪判决门限的确定

通过对窄带测角系统跟踪双噪声调频干扰信号合成边带时测角数据的分析,建立了一种边带跟踪情况下干涉仪鉴相器测角数据分布的数学模型.在用绝对误差和最小聚类算法提取角信息的基础上,推导出了一种基于聚类分析的绝对误差和门限的计算方法.理论分析和计算机仿真均证实了其用于边带跟踪判决门限的合理性与可行性.     

基于模糊聚类分析的电力客户信用评价算法

通过对模糊聚类算法的分析，针对电力客户信用分类的特征，提出了基于模糊聚类分析的电力客户信用评价算法。得到了不同客户群的聚类中心以及客户的隶属度矩阵，为客户群的特征分析提供了量化依据。试验对比结果表明，本文方法得到了满意的客户聚类及分类结果。     

电信大客户市场细分的统计分析

目前，国内关于电信大客户市场细分的研究和实践都还处于探索阶段。文章从电信业务数据出发，采用聚类分析的方法对大客户进行细分研究，通过统计检验细分结果的合理性，并结合实际提出营销建议。