简介：针对抑制式模糊C-均值聚类算法所存在的不足，提出了一种改进算法——半抑制式模糊C-均值聚类算法。通过对抑制式模糊C-均值聚类算法的良性扩展，在保持收敛速度变化不大的前提下改善了聚类的效果。实验表明，该算法是有效的。

简介：与Mamdani模糊系统相比,T-S模糊系统具有较好的性质,并在实际中得到了广泛的应用。如何建立T-S模糊系统也成为研究的热点。本文使用改进的模糊C-均值聚类方法建立初始T-S模糊系统,然后使用粒子群算法进行优化。仿真结果验证了该方法的可行性与有效性。

简介：摘要交通拥挤事件是城市公共交通系统中造成交通延误的最主要原因之一，快速有效的识别拥挤事件是城市交通控制策略的重要环节。针对交通流相态及其交通因素类属方面存在的模糊性，本文在分析交通流特征时对其进行了聚类软化分。根据交通流特性，运用模糊C均值聚类算法对交通流各要素进行模糊分析处理。通过对交通量隶属度的判别和聚类分析结果，找出不同交通流间的亲疏程度和相似性，将具有相近特性的交通流归纳在一类，从而判别出交通流相态属性，确定交通拥挤事件的发生，达到对交通拥挤事件识别的目的。

简介：目的采用反映血管新生状态的指标经模糊C均值聚类对星形细胞肿瘤病理学分级进行探讨。方法采用含有正常成人脑组织、弥漫性星形细胞瘤（WHOⅡ级）、间变性星形细胞瘤（WHOⅢ级）、胶质母细胞瘤（WHOⅣ级）及阳性对照组织的168点矩阵的组织芯片,通过免疫组织化学SABC双标法标记内皮细胞和血管内皮生长因子,以Image-ProPlus5.1中文版图像分析软件对染色结果及血管内皮生长因子阳性单位、微血管密度及微血管平均周长等指标进行测定。采用单因素分析方法筛选与星形细胞肿瘤病理级别相关的参数,以矩阵实验室数学软件提供的模糊C均值聚类函数参数作为聚类对象,将不同的组织切片参数值进行模糊C均值聚类,所得聚类值分别赋值为星形细胞肿瘤病理分级值。结果（1）在不同病理分级组之间,星形细胞肿瘤血管内皮生长因子阳性单位差异具有统计学意义（P=0.000）,各病理分级组间两两比较差异亦有统计学意义（均P〈0.05）。（2）在不同病理分级组之间,星形细胞肿瘤微血管密度值差异有统计学意义（P=0.000）,两两比较差异亦有统计学意义（均P=0.000）。（3）星形细胞肿瘤微血管平均周长,Ⅱ级组与Ⅲ级组、Ⅱ级组与Ⅳ级组比较差异有统计学意义（均P=0.000）,而Ⅲ级组与Ⅳ级组之间差异无统计学意义（P=1.000）。（4）与WHO病理分级相比,模糊C均值聚类产生的星形细胞肿瘤病理分级值对Ⅱ、Ⅲ、Ⅳ级等级别的诊断符合率分别为85.71%、48.39%和78.95%,总体正确率达68.46%。结论星形细胞肿瘤血管内皮生长因子阳性单位、微血管密度和微血管平均周长等项指标的模糊C均值聚类值与星形细胞肿瘤病理分级值比较符合,可应用模糊C均值聚类法对星形细胞肿瘤的病理分级进行辅助推测。

简介：利用粗糙集的约简算法及类边界集分别选出影响绩效的核心因素和样本的边界集，将其应用于C-均值聚类网络得到具有概率信息（权重）的样本，作为支持向量机（SVM）的输入建立员工绩效评估模型。实例表明，该方法拟合率高，且性能优于SVM算法。

简介：为实现高校教师有效教学的特征识别,以问卷的形式对高校教师教学能力现状的反馈情况进行考查和归纳,提取教学意识能力、教学风格能力、教学认知能力、教学反思能力等7个有效教学特征因子,并采用李克特五级量表进行数据处理。提取有效教学的特征值,对有效教学特征因子进行量化,得到有效的教学特征数据,进而采用模糊C均值聚类算法对有效教学特征数据进行分类,建立标准有效教学模型库。将新的教师有效教学特征值通过模糊模式识别中贴近度的方法与模型库相匹配。如果不匹配,提出4种提升有效教学的策略,为后续的教学风格研究提供依据。

简介：免疫组化彩色图像分割在免疫组化染色定量分析中有重要的应用价值。C-均值聚类算法（CMA）是根据一定的相似性准则将图像分成C类。由于运算十分耗时，直接限制了C-均值聚类算法在彩色图像分割领域的应用。本文针对免疫组化彩色图像特点，提出了分割免疫组化彩色图像的色度学准则，即：用每个像素的R分量减去B分量，根据其差值是否大于0将相应的像素分为两大类：（R-B）≥0类和（R-B）〈0类，自动分离出图像的阳性细胞区域和阴性细胞区域。在此基础上我们改进了C-均值聚类分割的方法：①针对上述两大类图像的色彩分布的特点确定初始聚类中心；②分别对上述两大类像素在一个色度学空间聚类；③根据每次迭代过程中聚类中心的变化趋势来预测下一次迭代后可能的聚类中心，从而减少迭代的次数。改进之后的C-均值聚类分割方法减少了聚类的样本数量，降低了算法的复杂度，且由于迭代次数的减少，运行速度得到了提高。实验结果表明，本文建立的技术方法能有效地分割免疫组化彩色图像。

简介：

简介：摘要在移动“互联网+”的时代，为了更加方便快捷的进行信息搜集和商业检查，一种自助式劳务众包平台服务模式“拍照赚钱”应运而生。

简介：分析了异常入侵检测存在的问题,研究了基于模糊聚类的入侵检测算法.该算法采用C-均值算法,通过训练数据聚类、异常聚类划分和行为判定等3个步骤实现异常入侵检测.试验采用KDD99数据进行了测试,证明该算法是可行和有效的.

简介：针对供配电系统中经常出现串联型故障电弧引发火灾等事故的问题，研制了串联型故障电弧实验装置，并针对典型负载开展了大量实验。首先，利用傅里叶变换提取了发生故障电弧前后电流的前20次谐波含量，并将其作为样本；其次，采用主成分分析对样本数据进行降维，提取出电流谐波变化的主要成分；最后，运用K均值聚类判断出原始信号是否故障。结果表明，以电流谐波为特征，通过主成分分析和K均值聚类可以有效地识别串联型故障电弧。

简介：介绍了模糊动态聚类的基本原理和分析步骤，以一种综合保障型地面油料装备为实例，进行设计需求的模糊动态聚类，分析了设计需求模糊动态聚类的可行性。

简介：针对一类带聚类特征的旅行商问题(TSP),研究了一种新型的带聚类处理的C-均值蚁群混合算法.为加快收敛速度,算法首先用C-均值算法对TSP中的城市进行特别聚类处理,然后再利用蚁群算法对分类结果进行处理来得到最终解.算法还集成了一种C-均值搜索算子,并引入了局部搜索策略2-opt,以提高搜索性能.在聚类数目给定的情况下,所提算法能够得到所求TSP的全局较优解,与基本蚁群算法、遗传算法和模拟退火算法比较,它具有更快的收敛速度和更高的收敛精度,并可扩展到一类相关的具有聚类特征的组合优化问题之中.实验结果表明,所提算法是有效的.

简介：k均值算法是一个常用的局部搜索算法,它的主要缺陷是容易陷入局部极小,并且该局部极小解与全局最优解往往有很大的偏差.本文提出一个基于K-均值的迭代局部搜索文档聚类算法.该算法以k均值算法所得到的解作为初始解,从该初始解开始作局部搜索,在搜索过程中接受部分劣解.当解无法改进时,算法对所得到的局部极小解做适当强度的扰动后进行下一次的迭代,以跳出局部极小,从而拓展了搜索的范围.实验结果表明该算法对文档数据集聚类的正确性达99%以上.

简介：简述了编组站分类问题的研究现状以及编组站的类别,介绍了运用K均值聚类对编组站进行分类的主要步骤。将该方法应用到东北地区11个编组站分类的实例中,在计算过程中,使用SPSS16统计学软件,计算结果表明分类正确,证明该方法可行,具有人为因素影响小、计算持续时间短及结果较精确等特点。

简介：提出一种基于均值聚类的车牌定位算法,该算法能避免由于环境的复杂而带来的定位的不确定性。

简介：摘要本文通过对大量工程变更数据进行归纳，采用K均值聚类分析方法对工程变更数据进行分类，并进行参数测定，通过计算不同导致工程变更发生原因指标到各聚类中心的距离，来拟合预测未来类似情况下新建输变电工程中同一原因导致的工程变更对造价的影响程度，预测分析结果为今后类似建设工程的造价控制提供了参考依据。

简介：在回顾国内学者关于企业财务预警模型研究的基础上，提出了一种新的预警模型—基于模糊聚类和模糊模式识别模型。利用该模型对训练样本进行模糊聚类，计算最优聚类中心，对待估样本所属类别进行模糊模式识剐。通过对40家沪市上市公司进行实证分析，取得了较好的预警效果。最后针对模型存在的问题提出进一步的研究方向。

简介：为了在保证计算精度的前提下使模型简化并便于计算,要尽量少地用对模型影响较大、相互独立的特征变量进行建模。在进行特征变量选择时,既要考虑选择对主因素有重要影响的变量,也要排除各影响变量间的多重相关性的干扰。首先建立各特征变量同费用的灰色关联度,根据关联度的大小对众多特征变量进行排序,排除关联度相对极小并同其他因素关联度差异明显的特征变量,减少次要影响因素对估算结果造成的干扰;其次,应用基于特征权值的模糊动态聚类方法,并突出近期数据的重要性,对影响因素进行聚类分析,排除影响因素间多重相关性的干扰。论文通过实例分析进行了验证。

简介：摘 要：本文详细阐述了模糊聚类法在变形分析中的计算方法和步骤，通过实例论证了模糊聚类方法是一种简单有效的变形分析方法。