基于神经网络、网格和密度的聚类方法的设计

聚类分析是数据挖掘技术的重要组成部分，由于高维数据的复杂性，使聚类分析的效率和实用性都很差，提出一种用于聚类空间数据维度选择的神经网络模型，利用该模型能够确定聚类空间中和聚类主题相关性较强的数据维，从而可以降低聚类空间的维度，在实现降维的基础上，介绍了一个基于网格和密度的聚类方法的实现     

基于阈值和蚁群算法结合的聚类方法

为了改善聚类分析的质量，提出了一种基于阈值和蚁群算法相结合的聚类方法．按此方法，首先由基于阈值的聚类算法进行聚类，生成聚类中心，聚类个数也随之初步确定；然后将蚁群算法的转移概率引入K-平均算法，对上述聚类结果进行二次优化．实验表明，与尽平均算法等相比，该聚类方法的F-测度值（F-measure）更高．     

航线模糊评判模型的配置

利用综合船桥系统和电子海图系统可以对航线进行辅助设计，考虑到对一条设计航线的好坏取决于众多因素，而且因船而异，所以在设计航线时需找出最优方案．文中采用二级模糊评判建立了一个数学模型，并讨论了其中的因素集、评语集、权重的构成方法．其中权重与评估数据来源于经验值，其具体可靠性有待进一步验证．     

���ڻ�ɫ����ĸ��ٹ�·����·�η���ˮƽ����

高速公路基本段服务水平是分析高速公路通行能力的重要内容。本文首次将灰色聚类理论引入分析高速公路基本段服务水平，建立了基于灰色聚类的高速公路基本段服务水平的多目标决策分析模型.在构造白化矩阵和白化函数的基础上，计算出聚类权系数和聚类系数，并利用聚类系数确定出高速公路基本段服务水平的综合分析情况。最后通过算例进行了计算分析，验证了该模型的有效性、客观性和适用性，并归纳了模型的特点及适用范围，对分析高速公路基本段服务水平具有一定的借鉴意义。     

极大熵聚类算法的收敛性定理

讨论了极大熵聚类算法的收敛性，构造了极大熵聚类算法的收敛点集，并证明了极大熵聚类算法的收敛性定理．结果表明，极大熵聚类算法不一定收敛到局部极小点，有时收敛到鞍点．同时，也给出了如何判断极大熵聚类算法的收敛点是局部极小点还是鞍点的方法。     

公路路政管理难度系数综合评价模型

在分析影响公路路政管理难度的各种因素的基础上，提出了一种基于模糊理论、层次分析法和群决策理论的新模型．该模型以模糊理论为基础对路政管理信息进行标准化处理．用层次分析法构造了评价指标体系．用群体一致性算法检验专家评估提出的意见，并最终获得权重．用归一化的专家权重、专家个人效用函数的权重以及标准化后的指标，计算群效用函数，即可确定公路路政管理难度系数．     

基于粗糙集聚类算法的铁路通道客运市场细分

对铁路通道内客运市场的细分,是研究铁路通道客流分担、客运产品设计的基础. 根据宝鸡-兰州铁路通道旅客出行方式选择调查数据,结合粗糙集理论,首先,构建了铁路通道旅客出行方式选择决策表,对条件属性进行属性约简,并计算各属性的权重;其次,考虑到避免传统聚类算法的“维数陷阱”,提出了基于粗糙属性重要度的K-means聚类算法,并在UCI数据集上进行仿真实验;最后,运用该算法对调查数据样本进行聚类.结果表明：将铁路通道客运市场细分为6类时,具有最好的聚类效果;经统计分析发现,不同子市场的旅客出行行为有明显的偏好.     

基于iForest+Biscting K-means的驾驶风格辨识方法研究

提出了一种基于iForest+ Biscting K-means模型的客运驾驶员驾驶风格辨识方法.该方法针对在Bisceting K-means模型中,聚类质心严重影响聚类结果问题,采用iForest模型训练聚类中心候选集作为聚类质心集的方法加以改进.通过考察某城际客运线路30位客车职业驾驶员,在直线道路行驶工况下,90余天约400万条客车行驶数据开展模型验证.试验表明:在加速度标准差和超速倾向系数作为聚类指标的情况下,客运驾驶员驾驶风格聚类为谨慎型、普通型和激进型3类,其中谨慎型11人,普通型19人,激进型0人.     

测量平差模型误差的验后检验

提出了一种将间接平差模型转换为条件平差模型的参数消去方法．该方法通过消去间接平差模型中的所有参数，将其转换为条件平差模型，解决了条件方程式的计算机自动建立问题．在此基础上，给出了基于条件方程闭合差的粗差检测和定位方法，并用实例验证了它的可行性．该方法可检验控制网极条件和坐标条件在内的所有检核条件，增强平差系统检验粗差和定位粗差的能力，较好地解决测量控制网闭合环自动搜索一类基本问题．     

基于多变量决策树交通事件持续时间预测模型

基于粗集理论和决策树方法,建立了交通事件持续时间的多变量决策树预测模型。通过分析交通事件的属性特点,运用粗集理论中的属性约简方法,确定了交通事件的核心属性;运用等价关系相对泛化原理构造了多变量组合检验,并根据变量依赖度确定了最优变量组合;以多变量组合判据代替单变量判据建立了决策树模型,利用决策树高度和节点样本数对树的规模进行控制,优化了决策树结构。实例应用表明,该模型对交通事件持续时间的分类和预测能力较强,预测精度较高。     

用粗集理论挖掘项目审查(评估)中的专家共识

为了改进现有的评估方法。在项目审查(评估)中，采用基于决策表的粗糙集模型算法。从众多专家的决策中找到潜在地存在于各个决策中的、公认的决策共识作为项目审查的依据和最终结果．应用该算法可以找出条件属性集中对决策最为重要的影响因素，确定实际应用中的数据采集规则．提出采用条件属性集的约简作为新的条件属性集的方法，以降低决策的复杂性，防止决策者个体的舞弊行为．     

基于粗糙集理论的模型结构选择与知识发现

为了合理选择决策模型，提出了一种基于粗糙集理论获取模型选择知识并利用获取的知识选择模型的方法．通过随机设定模型参数，得到备选模型的属性值为连续值的决策表；通过设定误差范围，获得决策表中对象之间的关系；利用该关系和粗糙集理论，对决策表进行属性约简，获得决策规则；按该决策规则进行推理，实现智能决策的模型选择．实例表明，该算法是可行的。     

基于粗糙集的公路客运量预测

公路客运量预测不仅是进行客运发展规划的基础,也是制定城市综合客运枢纽规划及综合交通规划的前提。通过对公路客运量预测决策表连续属性的离散化、决策矩阵构造及最简决策规则的获取,建立了基于粗糙集的客运量预测模型。该模型获取的最简决策规则避免了因历年统计数据波动而造成的预测误差,最终的预测结果为增长区间而不是绝对数值,更好的反映了公路客运需求。最后应用该模型预测成都市未来5 a的公路客运量,得到了客运量的增长区间。     

基于Rough熵的决策表约简算法研究

知识约简是Rough 集理论研究中的核心内容之一,已证明求决策表的最小约简是NP-hard问题,解决办法一般是采用启发式算法.本文分析了信息熵在Rough集理论中的应用,利用Rough熵定义了决策表中条件属性的相对重要度,讨论了其性质,在此基础上提出了一种用于计算决策表中的相对约简的启发式算法.     

基于粗糙集理论的经济圈交通枢纽灰色关联分析评价

经济圈交通枢纽综合评价中存在信息不确定、定性评价指标较多的问题,而传统的评价方法虽然简单直接,但容易受到主观因素的众多干扰。提出了一种基于粗糙集的灰色关联分析综合评价方法,将基于粗糙集理论的指标赋权法与灰色关联综合评价相结合,通过粗糙集理论对指标进行约简并给出较为客观的指标权重,得出综合评价模型以及相应的算法;通过算例说明了该方法的有效可行。     

改进的Skowron可辨识矩阵及其属性核求解方法

针对可辨识矩阵求核方法无法兼顾正确性与高效性的问题,首先从理论上证明了可辨识矩阵中单个元素与核的关系,在此基础上,设计了一种Skowron可辨识矩阵的改进方法以及基于这种改进的Skowron可辨识矩阵的属性核求解方法,该方法不仅适用于任何决策表信息系统,而且有效降低了计算代价．     

基于属性识别模型的城乡结合部交通安全评价

运用变异系数及属性识别理论对城乡结合部交通安全问题进行研究。在对影响城乡结合部交通安全因素综合分析的基础上,建立了城乡结合部交通安全评价指标体系。运用变异系数法确定各项指标权重,建立了城乡结合部交通属性识别安全评价模型。根据单指标属性测度值和多指标综合属性测度值,利用置信度准则识别城乡结合部的交通安全水平。应用此评价模型进行实例分析表明其具有良好的实用性,可以为城乡结合部交通安全规划和治理提供决策依据。     

道路交通事故黑点整治策略选择的粗集算法

粗集算法比较适合于不完全信息条件下的推理分析。在简要介绍粗集理论的基础上,设计了该理论应用于道路交通事故黑点整治的基本步骤与实施要点,并给出了一个计算示例。结果表明,粗集算法具有较强的实用性与合理性,有助于道路交通管理部门合理选择黑点的整治策略。     

隧道振动台模型试验的相似关系

以嘎隆拉隧道振动台模型试验为例,在模型试验相似理论的基础上对隧道振动台试验相似关系进行了研究;用方程分析法和量纲分析法推导了模型试验相似准则,实现了模型试验几何条件、边界条件、荷载及材料的相似,将其应用于隧道振动台动力模型试验;建立了有限元模型,从加速度时程曲线、频谱特性、加速度放大系数、破坏现象等方面与试验进行了对比。结果表明,试验结果与计算结果比较相符,破坏现象和破坏部位基本相似,说明本次相似关系的拟定是合理的。