导读:本文包含了综合聚类算法论文开题报告文献综述及选题提纲参考文献，主要关键词:复印纸,质量,聚类算法,权重
综合聚类算法论文文献综述
舒服华[1]（2018）在《基于改进型模糊聚类算法(FCM)的复印纸质量综合分析》一文中研究指出介绍了模糊c均值聚类的基本原理与方法,构建了复印纸质量评价指标体系。采用客观的熵值法确定指标的权重,解决了主观赋权法易受人为因素干扰的缺点。运用改进的FCM方法对15个样品的复印纸质量进行了分类,提高了分类的直观性和可靠性。(本文来源于《中华纸业》期刊2018年18期）
邹晨红,袁满[2]（2018）在《模糊综合评判的系统聚类算法研究》一文中研究指出对于数量较大、维度较多、较为复杂的聚类对象,系统聚类较为复杂;而模糊综合评判聚类方法聚类结果不够准确,其个数难以控制。为此,提出基于模糊综合评判的系统聚类算法,该方法对较为复杂的、由多种因素制约的事物或对象进行模糊综合评判处理,提取对象的整体特征,运用系统聚类对其进行聚类分析。最后通过对5个班级的多次考试成绩进行了聚类分析,验证了该算法的有效性。实验结果表明,该方法具有准确性、整体性、可操作性以及简略性等。(本文来源于《吉林大学学报(信息科学版)》期刊2018年05期）
王旭宁超[3]（2018）在《基于综合特征聚类和时间因子的推荐算法研究》一文中研究指出伴随着web2.0的快速发展,现今网络上的信息量呈现急剧增长的态势,信息过载问题难以避免,为用户快速获取对自身有价值的信息带来了困扰。个性化推荐技术随之出现并逐渐成为了当前缓解该问题的有效工具,可帮助用户快速从海量信息资源中获取其自身所需要的信息。推荐算法作为实现个性化推荐最重要的部分,根据具体特点的不同有很多种类,其中的协同过滤算法因其具有的多种优良特性成为当前使用最为广泛的推荐算法之一。然而由于评分数据稀疏以及用户兴趣迁移问题,协同过滤算法的预测准确度受到了影响。为了缓解上述问题的影响,本文的工作为:(1)由于用户评分数据量有限,导致传统的相似度计算方法结果不够准确,本文提出一种改进的项目间相似度计算方法。考虑到项目属性特征以及评分用户年龄特征数据量比较充足且稳定,本文将这两方面的数据与评分数据相结合,从而避免仅使用稀疏的评分数据进行相似度计算导致计算结果不准确。(2)进一步分析发现,传统的模拟用户兴趣随时间衰减的权重函数,对不同用户设置了相同的兴趣衰减速率,导致得到的权重值不够准确。针对该问题,本文提出将用户年龄因素考虑进权重函数中,为不同年龄的用户设置符合其年龄特点的兴趣衰减速率,从而赋予用户评分更为合理的权重值。本文提出的算法首先根据改进的相似度计算公式对项目进行聚类以及最近邻的查找操作,接着在评分预测阶段,将考虑用户年龄因素的权重函数引入评分预测公式中,从而提高最终推荐结果的准确性。实验部分在选定数据集上将本文算法与传统算法进行对比实验,结果表明本文的改进算法可以缓解评分数据稀疏问题和用户兴趣迁移问题的影响,算法的预测准确度获得了提升。(本文来源于《中南民族大学》期刊2018-03-01）
王贵成,徐烨,杨佳淼,张春明[4]（2017）在《聚类综合算法对于谷氨酸发酵过程运行状态的识别》一文中研究指出谷氨酸发酵过程中产品质量波动比较大,故障和误操作在早期不易被发现,结果易造成原料浪费与设备空转。针对谷氨酸发酵过程的实际生产情况,采取工况划分和工况识别的数据分析方法,获取不同的生产运行状态集合。同时,在完成工况划分后,对划分的故障状态进行识别,进而判断出引起生产故障的原因。通过仿真研究,验证了方法在运行状态识别方面的可行性。(本文来源于《应用技术学报》期刊2017年04期）
杨巧巧,郭振波,王开西[5]（2017）在《基于聚类分组和属性综合权值的SNM改进算法》一文中研究指出在处理大量业务数据时,传统的基本临近排序算法(sorted-neighborhood method,SNM)查准率、查全率均不高。针对SNM算法的缺陷,提出了一种基于聚类分组和属性综合权值的SNM改进算法。该算法基于分层思想,首先采用聚类分组的方式将海量数据进行分组,然后对各属性设置综合权值最后再进行相似重复记录的识别。其中聚类分组法能有效减少记录之间的比对次数,提高检测效率;属性综合权值的方法能更加准确反映各属性对记录的贡献度,针对实际数据集的实验分析表明,聚类分组法和属性综合权值法两者结合在提高查准率、查全率等方面均优于传统的SNM算法。(本文来源于《工业控制计算机》期刊2017年09期）
张芸[6]（2017）在《基于综合标签因素与聚类算法的推荐技术研究》一文中研究指出随着Web2.0技术的迅速发展和普及,互联网数据呈现出了爆炸式增长。为了高效地帮助用户从海量数据中找到其真正感兴趣的资源,推荐系统应运而生。推荐系统解决了信息过载问题,同时也面临着数据稀疏和冷启动问题。推荐系统成功的关键在于对用户兴趣的理解,通常用户兴趣是用户自身都难以描述的内容,标签系统正是通过利用含有丰富特征信息的标签找到用户感兴趣的资源。因此,本文针对传统推荐系统的不足,在对当前标签系统、推荐系统以及聚类算法深入研究的基础上,综合考虑标签的各个因素并结合聚类算法对传统基于标签的个性化推荐算法进行了优化,使其能够灵活应对数据稀疏、冷启动和时效性等问题,进而达到提高推荐质量的目的。为了解决传统推荐算法面临的数据稀疏和冷启动问题,在传统基于标签的个性化推荐算法的基础上,引入了用户特征,并利用用户特征对用户聚类,缓解冷启动问题。另外,用户兴趣有时会随时间发生变化,因此算法加入了时间衰减因子,根据标签的标注时间不同对标签给予不同权重。同时,为能够快速找到与目标用户兴趣相同且易被其接纳的用户,增强用户认同感,提高推荐效率和精准度,算法引入了信任关系和用户偏好。实验结果表明本文算法有效提高了推荐准确率。最后,针对传统推荐算法在处理海量数据时存在的可扩展性较差的问题,利用Hadoop平台实现算法的并行化设计,提高了计算效率,具有较好的可扩展性。(本文来源于《中国石油大学(华东)》期刊2017-06-01）
方丽[7]（2016）在《利用双聚类算法探测综合医学与内科学知识基础及研究前沿》一文中研究指出目的:利用双聚类算法探测综合医学与内科学知识基础及研究前沿。方法:收集综合医学与内科学高影响力杂志的数据,利用g CLUTO软件对数据进行双聚类分析,获取综合医学与内科学领域知识基础和学科前沿。结果:近年来综合医学与内科学的研究前沿表现为6个方面,临床流行病学和循证医学越来越多地与临床医学结合,成为临床研究者关注的方向。结论:双聚类算法在探测学科知识基础及研究前沿具有可行性,在未来的研究中可以将双聚类算法推广到各领域的学科发展评价中。(本文来源于《中华医学图书情报杂志》期刊2016年09期）
王妮,孙建民,李凯,于天彪,张天瑞[8]（2016）在《一种基于聚类分析与熵权模糊评价的虚拟企业综合决策算法研究》一文中研究指出针对虚拟企业管理的核心——合作伙伴选择,建立了叁阶段评价模型,并筛选了以企业研发能力为核心的综合评价指标体系;提出了基于聚类分析法的合作伙伴初选算法,并将基于熵权的模糊AHP综合算法应用在合作伙伴的综合评价中。结合某企业实例,验证了算法的适用性和优越性。最后,采用B/S体系结构等技术开发了Web环境下的虚拟企业合作伙伴选择管理支持系统。通过运行显示了系统的可靠性,同时提高了虚拟企业合作伙伴选择的效率。(本文来源于《工业工程与管理》期刊2016年03期）
翟佩璇[9]（2016）在《聚类分析算法在测绘成果质检综合服务系统中的应用研究》一文中研究指出随着地理信息产业的进一步发展,结合新一代测绘技术装备的发展,积累的地理信息数据越来越丰富。面对海量的地理信息数据,如何从海量数据中获取到有用的信息从而提高数据的利用效率成为地理信息产业的一个关键问题。除此之外,提高对测绘成果数据质量检查与管理的效率,不仅是测绘行业发展的要求,也是测绘成果更好地服务相关行业的前提保证。本文是在测绘成果质检综合服务系统开发的基础上,研究聚类分析算法在系统中应用的可行性与有效性,主要研究内容包含以下几个方面：1.基于测绘成果质检系统的抽样检查方案研究。通过对质检系统的系统框架与功能分析,研究测绘成果的抽样检查方法,进一步分析了分层抽样方法在批成果抽样检查中的优势。2.基于聚类分析算法的分层抽样方案研究。结合测绘成果数据空间相关性的特点,针对质检系统中批成果样本选取的问题,设计基于聚类分析算法的分层抽样方案。本文选择K-Means算法对批成果进行聚类分层,然后在Matlab平台上进行简单随机抽样与聚类分层抽样的对比实验。结果显示,相比简单随机抽样方法,聚类分层抽样方法在批成果抽样检查中更具优势性。3.基于ArcEngine的检查点抽样程序开发。本文利用ArcEngine技术,结合聚类分层抽样方法与C#语言进行检查点抽样程序的开发。经实例数据测试,该程序运行良好,且达到了预期实验效果。(本文来源于《合肥工业大学》期刊2016-04-01）
齐巧玲[10]（2015）在《基于Hadoop的K-Means聚类算法在大学生综合素质评价中的应用研究》一文中研究指出随着高校扩招,大学生数量迅速发生“量变”,与此同时社会对高素质人才需求缺口却越来越大,因此,高校如何对学生进行客观评价,如何提高人才培养质量,亟待思考和解决。本文通过信息化系统获取学生海量数据,通过数据挖掘技术获取更深层次的有价值信息,为高校人才培养提供服务。主要工作如下:首先,通过文献研究和调研,进一步了解当前高校的学生综合素质评价状况,分析了存在的问题,结合当今社会对人才素质的重视和青睐程度,构建了一套更为科学、合理的大学生综合素质评价体系。采用信度较高,能使不确定因素很大程度减低的层次分析法,并结合专家的意见,确定了体系中各级指标的权重。其次,利用Hadoop平台强大的并行计算以及海量数据的分析处理能力,对K-Means聚类算法进行并行化处理,提高执行效率,并对真实的学生数据进行计算。实例证明,所得出的结果对助力学生素质的全面发展和高校优化教育教学计划、完善人才培养方案有重要参考价值。最后,以评价指标体系为模型设计与开发了大学生综合素质评价系统,实现了对学生素质的科学、全面、准确、客观地信息化测评和分析功能,使学生管理人员从测评的巨大工作量中解脱出来,同时又降低了出错几率,提高了测评效率,还可直观的看到学生的聚类分析结果,辅助管理决策。(本文来源于《河北工业大学》期刊2015-11-01）
综合聚类算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对于数量较大、维度较多、较为复杂的聚类对象,系统聚类较为复杂;而模糊综合评判聚类方法聚类结果不够准确,其个数难以控制。为此,提出基于模糊综合评判的系统聚类算法,该方法对较为复杂的、由多种因素制约的事物或对象进行模糊综合评判处理,提取对象的整体特征,运用系统聚类对其进行聚类分析。最后通过对5个班级的多次考试成绩进行了聚类分析,验证了该算法的有效性。实验结果表明,该方法具有准确性、整体性、可操作性以及简略性等。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
综合聚类算法论文参考文献
[1].舒服华.基于改进型模糊聚类算法(FCM)的复印纸质量综合分析[J].中华纸业.2018
[2].邹晨红,袁满.模糊综合评判的系统聚类算法研究[J].吉林大学学报(信息科学版).2018
[3].王旭宁超.基于综合特征聚类和时间因子的推荐算法研究[D].中南民族大学.2018
[4].王贵成,徐烨,杨佳淼,张春明.聚类综合算法对于谷氨酸发酵过程运行状态的识别[J].应用技术学报.2017
[5].杨巧巧,郭振波,王开西.基于聚类分组和属性综合权值的SNM改进算法[J].工业控制计算机.2017
[6].张芸.基于综合标签因素与聚类算法的推荐技术研究[D].中国石油大学(华东).2017
[7].方丽.利用双聚类算法探测综合医学与内科学知识基础及研究前沿[J].中华医学图书情报杂志.2016
[8].王妮,孙建民,李凯,于天彪,张天瑞.一种基于聚类分析与熵权模糊评价的虚拟企业综合决策算法研究[J].工业工程与管理.2016
[9].翟佩璇.聚类分析算法在测绘成果质检综合服务系统中的应用研究[D].合肥工业大学.2016
[10].齐巧玲.基于Hadoop的K-Means聚类算法在大学生综合素质评价中的应用研究[D].河北工业大学.2015