基于粗糙集和模糊聚类理论的文本分类系统的研究与实现

随着Internet的发展及广泛应用，越来越多的文本信息以待阅读和处理。文本分类成为众所关注但仍未很好解决的热门课题。本文提出一种基于粗糙集和模糊聚类（RS＆FC）理论的文本分类新模型，详细讨论和分析了该模型的总体设计思想、主要实现技术和有关的算法及实现方案。该模型在分类规则产生之前，以训练样本直接聚类的结果构造信息表，并对表中的连续属性离散化，再对信息表中的特征词属性进行二次聚类，压缩文本特征子集的向量维数，提取关键字特征属性，建立决策信息表，然后利用粗糙集理论，采用启发式约简算法，对信息表进行约简，产生优化的分类规则，指导文本分类。最后通过实验和性能评价，本文提出的分类方法的分类准确率高于传统的K-最近邻分类（K-NN）法，提高了系统的适应性能和分类能力。     

基于IOWA算子的地铁车站深基坑施工安全综合评价

为解决地铁深基坑施工安全评价指标模糊性、灰色性和专家认知极端性造成安全等级难以确定的困难，提出基于IOWA算子的地铁车站深基坑施工安全评价方法。主要研究与结论如下： 1）耦合WBS-RBS 2个维度从渗流破坏、突涌破坏、机械伤人、坑内土体滑坡、支撑失稳、踢脚破坏6个方面构建指标体系； 2）对专家初始决策数据重新排序，利用IOWA算子确定指标初始权重并引入系数调整边界权值，得到指标最终权重； 3）运用灰色聚类提升评价过程透明化，聚类分析出车站深基坑施工安全等级； 4）以郑州地铁1号线紫荆山车站为例，认为紫荆山车站深基坑施工安全等级高，渗流破坏、坑内土体滑坡、支撑失稳、踢脚破坏是影响深基坑施工安全的主要风险指标，建议施工方重点关注。     

10CrNi3MoV船体钢力学性能的聚类分析

运用多元统计分析中的聚类分析方法,对10CrNi3MoV船用钢的力学性能进行了统计分析,通过数值计算评价钢材的综合性能,并按照分析结果对该船体钢的质量进行分类,以便深入掌握船用钢的质量状况,为完善船厂的质量管理及保证体系提供切实有效的方法和途径.首先,选取钢材的强度、塑性和韧性作为分析对象,包括屈服强度、抗拉强度、延伸率、断面收缩率和冲击功等五项性能指标.根据船体钢强度、塑性与韧性相互之间的制约关系和相关的钢材验收标准,结合船体钢力学性能试验数据分析结果,提出了船体钢最优综合性能评价标准.然后,运用马氏距离和离差平方和法对16张合格钢板的力学性能进行了聚类分析,获取了钢材综合性能聚类树图,此分类情况下的相干系数为0.7118.通过分析,获得下列结论:(1) 运用聚类分析方法对钢材力学性能进行统计分析以评价钢材质量具备可行性.(2) 对于10CrNi3MoV船体钢,提出最优综合性能评价标准.其屈服强度、抗拉强度、延伸率、断面收缩率和冲击功分别为:667.5MPa、760MPa、23%、72%和183J(-20℃).(3) 各项性能指标都合格的钢板,其综合性能也存在差异.选取的16张合格钢板中,性能较佳的占31.25%,性能一般的占56.25%,性能较差的占12.5%.(4) 成分相同的钢板相互聚类的达到68.8%,表明了化学成分是影响钢板综合性能的一个主要因素.     

水化学成分聚类法判别咸阳路站浅层地下水水力联系的应用

应用模糊聚类分析法,借助场地不同深度水样的水化学成分数据,对天津地铁2号线咸阳路站场地含水层内部各层地下水水力联系进行判别。分析结果将场地的地下水分为三类,其中#2,#3,#4水样取样深度的地下水联系较紧密,#1和#5水样取水层与#2,#3,#4水样的水力联系则相对较弱。它与现场抽水试验所得到的地下水分类结果一致,这为该场地的水文地质条件评价提供一定的理论依据。     

考虑驾驶行为异质性的城市快速路合流区仿真模型

为研究城市快速路合流区车辆运行规律，基于车辆自然轨迹数据，提出考虑驾驶行为异质性的合流区元胞自动机仿真模型。模型将合流区分为上游区域、合流区域及下游区域，3个区域由11条路段组成。首先，利用Kalman滤波算法对自然轨迹数据进行降噪处理；然后，计算每辆车驾驶行为特征参数并进行K-means聚类分析，结合聚类效果评价指标Silhouette系数将驾驶行为分为：保守-谨慎型、激进-谨慎型、保守-轻率型及激进-轻率型这4种类型；最后，依据分类结果， 建立考虑加速度、随机慢化概率异质性的跟驰模型和考虑换道安全间距、换道决策的多级异质性换道模型。在各空间占有率的情境下，基于Matlab进行数值仿真，统计同质驾驶行为和异质驾驶 行为条件下，合流区域车道的流量、密度、速度、时空位置及换道频率等参数。仿真结果表明：在空间占有率为10%~20%时，同质交通流相比异质交通流更容易产生局部交通拥堵和交通流失效情境，并且同质交通流量峰值比异质交通量小27.1%；随着空间占有率的增加，同质车辆和异质车辆驾驶频率均呈现增加-稳定-下降的趋势，而异质驾驶行为换道频率的极大值比同质交通流高 20.74%。     

城轨新线客流成长期进出站量短时预测研究

为准确掌握城轨新线开通初期客流演化态势、提高运输组织合理性,针对新线客流变化不稳定、缺乏历史客流数据等问题,提出城轨新线客流成长期进出站量短时预测方法。通过对新线站点进出站量变化规律的分析,基于改进模糊C均值聚类算法,对考虑客流趋势相似性的城轨站点类型划分方法进行研究,并提出城轨新线站点历史数据库构建方法;基于趋势距离对近邻匹配机制进行优化,并根据多元统计回归对K近邻算法进行改进,提出新线站点客流成长期进出站量短时预测方法;结合广州地铁客流数据,对预测方法的有效性进行验证。研究结果显示:新线站点客流成长期内短时进、出站量平均预测效率较既有方法增加了35.68%、32.23%,预测精度较既有方法增加了38.32%、25.80%。     

基于改进密度聚类算法的交通事故地点聚类研究

交通事故特征受地域分布影响显著，本文对交通事故特征进行优化聚类研究.基于 2019年无锡市交通事故数据，调用开放地图接口地理编码解算事故地点经纬度，使用密度聚类算法对事故地点与事故原因进行密度聚类.传统的密度聚类算法依赖距离阈值和样本数阈值的准确输入，为解决这一局限，建立一种自适应搜索距离阈值和样本数阈值的密度聚类模型，并与原始聚类模型进行对比.结果表明，优化算法在参数确定上更加智能，对簇的划分更加准确，对噪声点的识别更加合理.通过机器学习中轮廓系数计算方法计算模型得分，证明了该算法在城市道路交通事故地理位置聚类中的适用性.     

基于K-Means聚类算法的城市轨道交通站点分类及客流特征分析

文章立足于沈阳市轨道交通站点800 m范围内的人口分布、开发强度、公交接驳、路网长度分布、站点位置属性、站点客流数据等六大维度数据,采用K-Means聚类算法将城市轨道交通站点划分为居住型、商业商务型、综合开发型、产业型、交通枢纽型五大类;基于站点聚类成果,叠合多样化数据分析总结各类站点客流的普适性规律,可为后续站点周边基础设施完善、站点客流预测、车站运营组织方案做出指导。     

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．     

����ģ������Ŀ���·��ͨ��״������

人们对交通流状况的判断常常是比较模糊的,本文根据实测快速路交通流数 据,利用模糊聚类的方法对交通流状况的分类进行了研究,分别把交通流分成了2类、3类和6类.论文对实验结果进行了分析,并给出了适用于北京快速路交通流状况分类的一些关键参数.分析结果表明:用模糊聚类进行交通流状况分类是一种可行的方法;速度对交通流分类的影响最大,其次是占有率,流量的作用最低;除了在速度很高、速度很低或者占有率很大的情况下可直接判断交通流状况,其他情况下需要根据交通流三个变量来综合判断.