基于KFAV的中国铁路货运客户细分方法研究

中国铁路货物运输由于诸多因素的影响,在客户和货源数量上受到了冲击,需要在客户关系管理及营销等方面不断完善,其中客户细分是精确营销的重要手段.本文提出了基于RFM模型的,新的客户分类KFAV模型,并对货运客户价值进行了计算.之后引入了局部密度值ρ和斥类值δ,对传统K均值(K-means)聚类方法在初始聚类中心选取方面进行了优化.通过搭建hadoop集群环境,采用spark计算框架,对选取的大量货票数据进行仿真.仿真结果显示,基于KFAV模型的铁路货运客户细分方法更加具有针对性,并且改进的K均值聚类方法提升了算法的效率,同时基于大数据分析的spark+hadoop平台极大地降低了客户细分的运行时间.     

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。     

全球干散货运输市场

6月份国际干散货市场呈震荡回升走势.在油价走低、巴西Samarco矿山维持停产的不利形势下,好望角型船市场前期动力不足,BDI徘徊于600点附近,6月21日BDI跌至本月最低580点.随着黑海谷物季节临近开启,美湾玉米和巴西原糖出口积极,中小船型市场表现好于大型船市场,月底BDI回升660点,6月BDI均值608点,环比下跌1.9％,同比下跌13.6％.1-6月份BDI平均486点,同比下跌22％.     

改进的均值插补不完备数据聚类算法

在许多实际场景中,由于数据获取困难、数据误读、数据丢失以及随机噪音等因素导致大量的数据缺失.针对传统的聚类算法无法直接处理不完备数据集的问题,提出了一种基于传统聚类算法的均值插补不完备数据的聚类方法,首先将不完备数据集划分为两个互不相交的子集,使用传统的聚类算法处理无缺失数据的数据对象获得初始聚类结果;然后使用各类中数据对象的属性均值填充不完备数据对象的缺失数据,观察各类中心值的变化确定最终的插补值.实验通过有效性指标评估该算法在UCI数据集上的聚类结果,可以验证算法的有效性.     

基于改进聚类方式的牵引负荷分类方法

为得到更为准确的牵引负荷分类结果，基于大量的牵引负荷实测数据，提出了一种改进后的自适应模糊C均值聚类方法. 该方法能够自动获取最佳聚类数，以馈线电流带电有效系数、最大值、平均值、95%值以及1～5阶样本矩作为聚类指标对实测牵引负荷进行聚类；然后采用非参数核密度估计方法对牵引负荷概率密度函数进行拟合，得到了每一类馈线电流概率分布模型. 结果表明:聚为一类的牵引负荷特征参数相近、概率分布相似.      

均值-极差法分析评价人-零件间的交互作用

给出了用均值—极差法评价人和零件间的交互作用的公式，用实例进行了分析，并与方差分析方法作了比较，结果显示两者差异不大。     

对普通砼最佳配合比的新法探索

对一段高速公路设计抗压为C35抗折为5MPa,在以往经验的基础上,选取了五种不同的配合比,分别做了三十组试件,取五个配合比的强度均值,在座标上点出强度曲线,找出拟合数模,运用多元函数求极值的方法,求出最佳配合比,并用图解法进行了验证,在施工中应用后,质量波动性减小,保证了可靠度,节约了水泥,提高了效益.     

车用发动机比油耗积分均值探讨

本文分析了不同用途发动机运行工况及比油耗特性，提出以“比油耗积分均值”评价车用发动机综合性能。     

工业过程模糊控制建模中数据预处理方法研究

工业过程模糊控制中建模是关键，而数据预处理直接影响着模型收敛速度、计算量、模型质量．针对所采集的样本数据提出几个新的数据预处理方法．利用三次样条进行空缺数据的插值填充，然后利用K—均值进行输入输出空间划分与数据离散化，为模糊规则的提取做好淮备．     

遗传算法在聚类分析中的应用

给出了一种基于遗传算法的聚类分析方法。对遗传算法的构成要素及用其解决问题的一般步骤给出了阐述。用VC 6.0编写的该算法的程序用来对数字进行聚类取得了较好的聚类结果。