系统聚类分析中的遗传算法

简要介绍了系统聚类法的各种常用方法,对Ward方法进行了分析,说明爬山法一般得不到全局最优分类,因此提出结合Ward方法,用遗传算法进行聚类,特别是对交叉操作进行了设计,从而将遗传算法用于聚类分析.最后的实例表明,遗传算法在处理多样本、多属性、多类别的问题时,是一种有效的方法.     

基于层次聚类的我国沿海VTS分类问题研究

为了更好地对我国迅速增长的VTS（vessel traffic service）中心进行管理,同时为未来VTS中心的建设与管理提供指导,应用层次聚类分析方法,综合考虑VTS需求程度、规模大小、信息服务强度、助航服务强度、交通组织服务强度与辖区航行环境安全性等因素对我国21个沿海VTS中心进行分类,并对每类VTS中心的特点进行了总结.通过对不同聚类方法的比较,最终选择了ward法,通过对不同聚类数对应的聚类结果的方差分析,最终将聚类数确定为4类.     

基于改进遗传算法的模糊聚类应用于路面压实度控制研究

压实度不达标作为高速公路路面病害发生的主要原因,基于此通过针对沥青路面压实度及模糊聚类算法、遗传算法的研究,对沥青路面压实度影响因素进行深入分析,其目的主要是为了通过原始的采集数据进行预测,以提高沥青路面的压实度和路面的耐久度,保障沥青路面的质量,而传统的模糊C-均值聚类算法容易导致局部最优解,且对初始值较敏感,通过利用基于改进的遗传算法的模糊聚类算法应用于路面压实度研究,不仅克服了模糊C-均值聚类算法的缺点,同时也提高了数据分类的质量及预测的效果。     

基于传递闭包聚类的多传感器航迹关联算法

在分布式多传感器数据融合系统中.航迹关联是关键技术之一,也是实现航迹融合的前提,航迹关联判定的准确性将直接影响到整个融合系统的性能.文中针对多传感器多目标航迹关联同题,提出了基于传递包模糊聚类的多传感器航迹关联算法.该算法利用基于模糊统计量的传递团包聚类法,选择航迹的位置、速度等信息为聚类指标,对来自多传感器的航迹数据进行聚类.计算航迹相似矩阵,利用平方法求出航迹相似矩阵的传递闭包,并根据该传递闭包确定航迹关联对.仿真试验结果表明,该方法能有效地实现多传感器、多目标航迹关联.     

基于减法聚类模糊神经网络高速公路混沌控制

研究了基于减法聚类的高速公路混沌系统模糊神经网络控制方法.提出通过数据挖掘技术建立交通流混沌控制器知识库的思想,设计了以密度、上游流量和最大李亚普诺夫指数作为输入,红灯时间作为输出的T-S模糊神经网络混沌控制器.采用减法聚类确定控制器结构提取模糊规则、控制器初始参数;应用模糊神经网络方法对控制器参数进行优化;结合遗传算法对聚类半径进行优化.仿真实验分析了该控制方法的控制效果,证明了该混沌控制方法的有效性.     

基于摄动思想的传递闭包聚类法的分析与应用

分析了传统的模糊聚类方法,基于摄动思想,将传递闭包聚类法与目标函数法相结合,得出了一种既满足聚类效果要求又减小聚类失真的简便算法,同时给出了该聚类方法的步骤.最后通过对水体的水质进行聚类的例子对算法加以应用,显示了算法的可靠性、有效性.     

基于粗糙集和混合聚类法的决策表约简算法

在分析粗糙集理论、分层聚类算法和k-means聚类算法的基础上,提出一种基于粗糙集和混合聚类法的决策表约简算法,该算法首先是使用基于分层聚类的k-means混合聚类法离散化决策表中的连续属性,然后利用粗糙集理论对离散后的决策表进行属性约简,得到决策规则集,并通过在铁路客运量预测系统中的应用验证了算法的可行性和有效性.     

辽西沿海河流分类的模糊混合聚类法

将模糊聚类最大矩阵元原理与最小二乘最优准则下的模糊ISODATA聚类迭代原理相结合，并按最大隶属原则确定最优分类，建立了基于迭代的模糊混合聚类法．利用此方法对辽西沿海诸河流域进行了分类评价，得到了令人满意的结果．     

基于系统聚类的市域轨道交通快慢车停站方案

市域轨道交通采用快慢车模式可以较好地满足其各类客流的复合需求,快慢车停站方案是快慢车模式的基础,其核心在于市域线路沿线车站的等级划分。以市域轨道交通的客流量为依据,应用系统聚类法进行车站等级划分,进而确定快慢车停站方案。以Z市轨道交通S线为例进行分析,应用系统聚类法对S线8个车站进行大小站划分,在聚类过程中采用平方欧式距离设定不同初始对象之间的距离,用最短距离法计算不同类别车站的聚合度,并依据聚类结果确定S线的快慢车停站方案,验证系统聚类法在市域轨道交通快慢车停站方案运用的有效性。     

基于遗传动态模糊聚类的道路交通状态判定方法

针对当前城市道路交通状态判定时采用的模糊c均值聚类(FCM)和c均值聚类等方法的有效性较差的状况,提出了一种基于遗传算法的动态模糊聚类方法,通过计算交通流参数之间的模糊相似性,不失真地反映它们之间的内在关联,同时将交通流参数之间的模糊相似性映射到样本之间的欧氏距离,即将高维样本映射到二维平面,利用遗传算法不断优化两者之间的映射,使交通流参数之间的欧氏距离逐步趋近于其模糊相似性,实现动态模糊聚类,仿真实验结果证明了该方法的可行性和有效性.     

基于有趣地点压缩的时空轨迹聚类

研究移动物体时空轨迹局部关键地点时空相似的聚类问题.根据移动物体的运动状态提取轨迹中的有趣地点,利用最小包围盒技术对这些有趣地点进行描述,得到基于有趣地点压缩的轨迹表示形式;然后给出一个时空属性相结合的相似性度量公式,对压缩表示的轨迹进行相似性度量;基于这个相似性度量公式对轨迹进行聚类,聚类方法采用层次聚类法.实验结果表明,本文提出的方法能有效地对移动物体时空轨迹进行聚类,由于采用了增量式的轨迹压缩方法,不仅提高了聚类的速度,而且还实现了增量式的轨迹聚类.     

基于聚类分析的危险货物道路运输企业安全评价方法研究

为提高运输管理部门对危险货物道路运输企业的管理效率,提出利用离差平方和聚类方法将某范围内的所有危险货物道路运输企业按照安全等级的不同进行分类。从企业"意识政策-硬件管理"的纵向角度选取评价指标,基于此指标体系运用系统聚类法对某地区所有危险货物运输企业进行安全等级评价;结合这些企业近年来出现安全事故的实际情况进行深入分析。结果显示,聚类分析方法能准确将企业按照安全等级的不同进行分类,对运输部门的管理工作具有重要指导意义。     

基于聚类分析的公交线路资源配置时段划分方法——以烟台市为例

为节约公交运营成本、提升其服务质量和效率,需合理配置公交线路资源.鉴于此,基于烟台市公交刷卡数据和移动支付数据,通过数据匹配、合并及扩样等方法进行数据处理,获取完整的公交线路客流信息,分析一天内及周内各天公交客运量的变化特征.在此基础上,以半小时线路客运量为基础,基于有序聚类法进行公交线路资源配置时段划分,并提出对应时段的公交运营调度方法;最后利用贝塔系数法确定配置时段最优分段数.研究发现,烟台市工作日、周末和节假日常规公交线路资源配置可分别划分为5个、4个和3个时间段,聚类结果F检验显著性水平大于0.05且满足客流变化特征,说明有序聚类法能对公交线路资源配置时段进行有效划分.     

基于TCT的公路交通事故黑点鉴别方法研究

通过阐述事故黑点现有鉴别方法的基础上,进一步提出了基于交通冲突技术的灰色评价法在公路交通事故黑点鉴别中的应用,通过引入严重冲突次数评价指标提高了数据和评价结果的可信度和准确性,并用灰色评价法对各种灰类的聚类值进行归类,为公路交通事故黑点的鉴别提供了新思路。最后通过实例对该方法进行了验算并与其它同类鉴别方法进行比较,得出其优异性。     

基于多次灰色聚类的服务区定位方法及其应用

为客观准确地评价高速公路服务区的重要度和贡献度,现提出采用多次灰色聚类方法定位服务区。将同一高速沿线的服务区作为聚类对象集,评价服务区的代表因子,如服务区的占地面积、驶入交通量及加油机台数等作为聚类因子集,计算各聚类界限及各因子在各类中所占权重,便可求得各聚类对象对各聚类标准的聚类系数,将聚类系数大小作为参数对服务区进行聚类排序分析。对于一次聚类运算结果中包含对象较多的类别,再以这一类服务区作为聚类对象集,重复运用灰色聚类,对服务区进行聚类排序分析。与常规灰色聚类法相比,多次聚类方法聚类层类别更多,定位更精准,能同时实现服务区的聚类及排序。     

定制公交线网动态规划方法研究

定制公交是一种新兴的交通运输方式,对于呼吁公共出行、缓解交通压力具有重大意义。对定制公交的站点时空规划、线网优化、APP的开发进行了研究。基于移动互联收集乘客人信息,采用层次聚类法对交通小区进行划分,采用遗传算法对线路进行优化,最后开发APP进行公交与乘客的交互,反馈公交信息,根据乘客提交的出行时间及地点需求,为乘客定制一条公交线路。     

灰类白化权函数聚类法在地铁供电系统安全评价中的应用

基于灰色系统理论,将影响地铁供电系统安全的因素作为灰类指标,应用灰类白化权函数聚类法,通过计算三角白化权函数,构建灰类白化权函数模型,并以我国某城市的一条地铁线为例,对其供电系统进行了综合安全评价．结果表明,此种方法实用性强,科学合理．     

非线性方程组求解的新方法

提出了一种求解非线性方程组的方法.将非线性方程组的求解问题转化为最优化问题,对经典BFGS变尺度法进行改进:采用高精度通用数值算法求解函数梯度,采用新的数值解析法进行一维探索,进而有效地提高了BFGS变尺度法的效率和程序通用性;对遗传算法进行了改进.将改进的BFGS变尺度法与改进的遗传算法进行混合杂交,得到一种全局优化算法,数值测试表明该算法是可靠的.     

一种自动获得k值的聚类算法

针对k均值算法局限于k值和初始中心点选取的情况,提出了一种基于k均值的自动获得k值的KDM算法.该算法整体沿用k均值算法的思想,利用最大最小距离法选择初始聚类中心,并且选择聚类中心与划分对象同时进行.通过不断改变类中心,来达到较好的聚类效果.     

一种自动获得k值的聚类算法

针对k均值算法局限于k值和初始中心点选取的情况,提出了一种基于k均值的自动获得k值的KDM算法.该算法整体沿用k均值算法的思想,利用最大最小距离法选择初始聚类中心,并且选择聚类中心与划分对象同时进行.通过不断改变类中心,来达到较好的聚类效果.