导读:本文包含了聚类指标论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:指标,算法,分析法,均值,香椿,烟叶,光谱。
聚类指标论文文献综述
项睿,吴华玲,李琳,张立[1](2019)在《基于K-Means聚类算法的股票技术指标分析》一文中研究指出将数据挖掘技术与股票技术分析相结合,在使用K-Means聚类算法的基础上,将乖离率BIAS与相对强弱指标RSI进行技术指标迭加,建立模型对未来股价波动趋势进行预测,并对上证A股中的1410支股票进行实证分析来验证模型准确性,提出了该模型日后的改进研究方向。(本文来源于《电脑编程技巧与维护》期刊2019年12期)
唐帅,刘雪飞,安佳坤,谢延涛[2](2019)在《基于融合聚类算法的成果指标评价体系设计》一文中研究指出随着创新驱动发展战略的实施,每年的科技成果数量呈现出快速增长态势。与此同时,科技成果服务体系不完善,特别是不能切实体现科技成果的价值,科技成果与公司产业链发展存在脱节,因此,应加强科技成果质量的管控力度。衡量科技成果质量关键是评价其成果作用、价值及前景,考量成果间及流程内的差异性,制定灵活、周全及可扩展的成果指标评价体系。介绍了科技成果指标评价体系发展现状及组成结构,分析了指标权重及数据处理方法,提出了基于融合聚类算法的科技指标评价模型。(本文来源于《计算机与网络》期刊2019年21期)
刘丛,陈倩倩,陈应霞[3](2019)在《多距离聚类有效性指标研究》一文中研究指出现有的聚类有效性指标大都是基于欧氏距离而设计.虽然对超球型数据效果较好,但对非超球型数据效果并不理想.基于此,提出一种基于多目标进化算法的多距离聚类有效性指标(MoMDVI).首先使用两种距离设计两个聚类目标,并使用类代表点代替类中心点;其次使用一组实数设计染色体,该组实数可解码成代表点序号的形式;然后使用基于正则化的分布估计算法(RMMEDA)对两个目标进行优化.在进化算子中,加入差分进化算子对RMMEDA算法进行改进,以提高算法的收敛速度.将MoMDVI与现有算法在不同结构的数据上对比可知,MoMDVI不仅可以自动检测超球型数据聚类数目,也可以自动检测非超球型数据聚类数目.(本文来源于《小型微型计算机系统》期刊2019年10期)
穆阿里[4](2019)在《基于k-means聚类方法的机房指标检测》一文中研究指出1研究背景本文通过调查全省银行业金融机构对机房动力系列标准的执行情况,剖析我省目前存在的机房动力和运维现状与风险,提出全省金融机构机房建设、运维的思路,从而有效防范金融业动力系统风险,保障金融稳定,主要采用K-means、主成分分析(PCA)算法等数据分析方法。(1)k均值聚类是一种矢量量化方法,最初来自信号处理,是数据挖掘中聚类分析的常用方法。k均值聚类的目的是将n个(本文来源于《数字通信世界》期刊2019年10期)
邹臣嵩,段桂芹[5](2019)在《基于改进K-medoids的聚类质量评价指标研究》一文中研究指出为了更好地评价无监督聚类算法的聚类质量,解决因簇中心重迭而导致的聚类评价结果失效等问题,对常用聚类评价指标进行了分析,提出一个新的内部评价指标,将簇间邻近边界点的最小距离平方和与簇内样本个数的乘积作为整个样本集的分离度,平衡了簇间分离度与簇内紧致度的关系;提出一种新的密度计算方法,将样本集与各样本的平均距离比值较大的对象作为高密度点,使用最大乘积法选取相对分散且具有较高密度的数据对象作为初始聚类中心,增强了K-medoids算法初始中心点的代表性和算法的稳定性,在此基础上,结合新提出的内部评价指标设计了聚类质量评价模型,在UCI和KDD CUP 99数据集上的实验结果表明,新模型能够对无先验知识样本进行有效聚类和合理评价,能够给出最优聚类数目或最优聚类范围.(本文来源于《计算机系统应用》期刊2019年06期)
卢鹏丽,董璊,曹乐[6](2019)在《聚类系数指标对复杂网络鲁棒性的影响分析》一文中研究指出分析了采用度分布相同且聚类系数不同的叁种类型网络(中性网络、同配网络和异配网络)在遇到随机故障或者蓄意攻击时,网络的初始聚类系数变化对网络鲁棒性的影响.实验分析表明,网络的初始聚类系数越大,网络在受到随机故障或蓄意攻击时网络中最大连通子图的直径和网络中最大连通子图的平均路径长度的起伏也就越大.初始聚类系数的变化在异配网中对网络鲁棒性的作用最明显,中性网次之,对同配网的鲁棒性不明显.(本文来源于《兰州理工大学学报》期刊2019年03期)
王晓敏,史冠莹,王赵改,张乐,程菁菁[7](2019)在《基于双指标分析法和聚类分析法的香椿红外指纹图谱研究》一文中研究指出采用双指标序列分析法和聚类分析法对13个不同产地的香椿样品(T1~T13)的红外指纹图谱进行比较分析。结果表明:不同产地香椿的红外光谱基本一致,主要显示为多糖、蛋白质、氨基酸和多酚的特征峰,但在3400~2800和1700~1000 cm~(-1)波段范围吸收峰的数目、形状和强度存在一定差异。不同产地香椿样品之间的共有峰率在27.78%~84.62%,变异峰率在0~160%。产地相近的T7和T1、T4之间有较高的共有峰率(均为84.62%)和很低的变异峰率(均为18.18%);产地相距较远的T5和T8、T10、T12之间有很低的共有峰率(≤31.25%)和很高的变异峰率(≥100%)。聚类分析直观地将不同产地香椿样品分为四类,方法相对简便,但精度相对较低。因此,红外指纹图谱结合双指标序列法或聚类分析,可以作为鉴别不同产地香椿的辅助手段,为香椿产地鉴别提供一定的依据。(本文来源于《食品工业科技》期刊2019年20期)
胡星辰,吴萍,方旭[8](2019)在《基于因子与聚类分析的城市房地产业评价指标的研究》一文中研究指出一直以来,房地产行业都是我国的支柱性行业,一个城市房地产业发展的情况对这个城市的发展存在重要的影响。本文通过因子分析法与聚类分析法,根据2016年各地的统计年鉴,对全国35个主要大中型城市房地产行业的各项数据进行分析,建立了城市房地产业发展的评价体系并对各个城市进行评分与聚类分析。旨在为各大城市提供调整自身房地产政策的是实证依据,对城市的发展起到一定的参考意义。(本文来源于《农家参谋》期刊2019年11期)
宋军英,何聪,李欣然,刘志刚,汤杰[9](2019)在《基于特征指标降维及熵权法的日负荷曲线聚类方法》一文中研究指出日负荷曲线聚类是负荷建模背景下分析负荷特性的基础。针对现有聚类方法在聚类质量、聚类效率等方面的不足,综合运用模糊C均值及熵权法原理提出一种基于特征指标降维及熵权法的日负荷曲线聚类方法。首先提取日负荷率、日峰谷差率、日最大利用时间等7类降维特征指标替代各采样点负荷数据作为聚类输入;其次,引入熵权法自适应配置各特征指标的权重系数;最后,采用特征加权的模糊C均值聚类算法对用电日负荷曲线进行聚类。采用所提方法对某地区日负荷曲线进行聚类分析,算例结果表明该方法在运行效率、鲁棒性、聚类质量等方面具有一定的优越性,聚类结果能真实有效地反映负荷的实际用电特性。(本文来源于《电力系统自动化》期刊2019年20期)
龙泽洋[10](2019)在《烟叶原料高维指标信息聚类算法》一文中研究指出因为烟草产品的消费面广、量大、税高,在我国经济中占有重要地位,所以如何有效的给烟叶品质评级,提高烟叶的质量来创收是烟草工业面临的重要问题。烟叶数据具有维度高、计算复杂度大等特点。对烟叶数据的处理主要面临的问题有:一是怎么有效的对海量、高维的烟叶数据进行特征提取;二是如何利用特征提取的数据来提高烟叶原料品质评级的准确率。针对以上问题,本文的工作内容如下:1)针对高维烟叶数据,简单介绍了烟草领域的研究背景,以及降维方法和聚类分析的国内外研究现状。同时对常用的线性降维方法、非线性降维方法和聚类分析算法结合如何处理高维烟叶原料数据这一实际问题,进行了讨论和分析。2)烟叶原料指标信息维数过高,计算量大,非常不不利于聚类。本文针对LLE算法的数据分类性能不好,通过加入平移和缩放变换,提出一种局部线性判别嵌入(LLDE)模型,来对烟叶原料指标信息进行降维。来减少烟叶高维数据降维时的计算量,同时提高烟叶数据降维后数据的可分性能。针对烟叶数据建立模型,通过实验确定了LLDE算法的关键参数k和?的取值,当k取10和?取10的时候对烟叶数据的特征提取效果最好,并且与主成分分析进行对比发现降维后的数据可分性能大大提高。3)在训练样本较少的情况下,运用K-近邻(KNN)、支持向量机(SVM)等方法,对烟叶进行品质分类时会导致分类准确率低而导致难以实现烟叶品质的正确分类。为解决这一问题,使用一种混合K调和聚类方法结合LLDE算法,构建LLDE-K模型来进行烟叶品质评级的分类。使用实际工业生产中的烟叶数据对模型进行测试,与PCA+KNN和ISOMAP+KNN来作比较,LLDE-K模型在识别过程中最高达到了95.2%正确率,而PCA+KNN的最高识别率是94.9%,ISOMAP+KNN的最高识率是94.8%。LLDE-K方法对烟叶各品质的平均识别率有94.96%,而PCA+KNN的是94.30%,ISOMAP+KNN的是94.34%,并且LLDE-K的算法耗时均小于另外两种方法。验证了LLDE-K方法的可行性,这也为烟叶原料高维指标信息的品质分类的研究和分析提供了一种新途径。(本文来源于《湖南师范大学》期刊2019-05-01)
聚类指标论文开题报告
(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:
随着创新驱动发展战略的实施,每年的科技成果数量呈现出快速增长态势。与此同时,科技成果服务体系不完善,特别是不能切实体现科技成果的价值,科技成果与公司产业链发展存在脱节,因此,应加强科技成果质量的管控力度。衡量科技成果质量关键是评价其成果作用、价值及前景,考量成果间及流程内的差异性,制定灵活、周全及可扩展的成果指标评价体系。介绍了科技成果指标评价体系发展现状及组成结构,分析了指标权重及数据处理方法,提出了基于融合聚类算法的科技指标评价模型。
(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。
聚类指标论文参考文献
[1].项睿,吴华玲,李琳,张立.基于K-Means聚类算法的股票技术指标分析[J].电脑编程技巧与维护.2019
[2].唐帅,刘雪飞,安佳坤,谢延涛.基于融合聚类算法的成果指标评价体系设计[J].计算机与网络.2019
[3].刘丛,陈倩倩,陈应霞.多距离聚类有效性指标研究[J].小型微型计算机系统.2019
[4].穆阿里.基于k-means聚类方法的机房指标检测[J].数字通信世界.2019
[5].邹臣嵩,段桂芹.基于改进K-medoids的聚类质量评价指标研究[J].计算机系统应用.2019
[6].卢鹏丽,董璊,曹乐.聚类系数指标对复杂网络鲁棒性的影响分析[J].兰州理工大学学报.2019
[7].王晓敏,史冠莹,王赵改,张乐,程菁菁.基于双指标分析法和聚类分析法的香椿红外指纹图谱研究[J].食品工业科技.2019
[8].胡星辰,吴萍,方旭.基于因子与聚类分析的城市房地产业评价指标的研究[J].农家参谋.2019
[9].宋军英,何聪,李欣然,刘志刚,汤杰.基于特征指标降维及熵权法的日负荷曲线聚类方法[J].电力系统自动化.2019
[10].龙泽洋.烟叶原料高维指标信息聚类算法[D].湖南师范大学.2019