摘要：将基于划分的模糊聚类算法和一般模糊极小极大神经网络分类算法相结合,提出了一种新的机器学习方法,实现了基于类比的案例推理学习模型。具体实现思想是,首先利用基于确定性退火技术的划分聚类算法对已知案例进行聚类标识,由所得结果建立一般模糊极小极大神经网络分类模型,然后用该模型实现新目标问题的案例相似性检索,最后针对目标问题结果案例完成案例学习。通过实例表明,该算法具有较好性能,并在基于案例推理的固体火箭发动机总体设计中成功应用,得到了论域覆盖面大的设计结果集。

摘要：为更好地反映短历时暴雨特征,对雨型进行分类,基于四川省乐山国家基准气候站1981年—2021年逐分钟降雨数据资料,使用多种方法对90场历时60 min、78场历时120 min和86场历时180 min降雨选取最佳聚类数,采用K-means聚类和PAM聚类两种方法对雨型进行分析。结果表明,K-means聚类法对城市短历时暴雨雨型分类的结果比PAM聚类法更直观有效;乐山气候站历时60 min的雨型分为3类、历时120 min的雨型分为2类、历时180 min的雨型分为3类,单峰靠前的雨型最为常见。研究结果可为乐山市海绵城市建设、排水防涝规划等提供参考,同时可为机器学习在设计暴雨雨型研究中的应用提供新思路。

摘要：大数据处理是物联网研究和应用上不可回避的难题之一,针对常用聚类方法在大数据处理上的不足,设计了一种划分聚类新方法。该方法采用了大数据集的抽样技术,对多次抽取的规模足够大的样本进行聚类以确定自然簇质心的初始位置,在此基础上采用抽样后剩余数据样本对质心的初始位置进行更新,以便校正偏离理想位置的初始质心。该划分聚类算法具有线性空间复杂度和时间复杂度。实验结果表明所提的新聚类算法不仅能得到比常用聚类算法更理想的结果,而且运行速度快,适合处理大规模数据的聚类任务。

摘要：针对传统的划分聚类算法不能够发现任意形状的簇的缺点,引入一种能够有效反映样本间相似度的距离度量——基于路径的距离度量,并设计了一种能够反映类内样本相似度大、类间样本相似度小的目标准则函数.实验表明,本文提出的基于路径划分的聚类算法与传统的k均值算法相比具有更好的聚类效果.

摘要：以提高产品设计结果的论域覆盖面和增加可行设计结果的多样性为目的,研究了产品概念设计阶段的基于案例推理的产品设计案例相似性检索技术。首先,对产品设计案例相似性检索进行了问题描述;然后指出了传统相似性检索方法的不足;进而提出一种新的基于划分聚类和一般模糊极小极大神经网络的相似案例检索方法,并建立检索模型;最后,通过基于案例推理的固体火箭发动机总体设计实例表明,与传统方法相比,新方法可有效提高相似结果案例集的论域覆盖面,增加设计结果的多样性,提高检索效率,进而提高了固体发动机总体设计质量。

摘要：库岸边坡失稳会对工程自身效益和周边安全造成巨大损失,而位移监测数据可以直接表征库岸边坡安全状况。传统变形位移分析一般仅考虑单个监测点,不同监测点之间位移的相似性和关联性有待挖掘。基于时空数据挖掘领域的聚类方法,综合考虑测点属性和空间特征,采用K-means算法度量测点间的相似程度,实现变形区域划分;在变形区域划分基础上,采用遗传算法优化的投影聚类算法,将高维数据向低维空间映射,通过提取测点数据特征,筛选得到重点关注的测点和压缩数据量。经实例工程数据验证,时空聚类挖掘方法便捷、有效,逐步实现了边坡位移监测数据约简,可用于类似库岸边坡的监测数据挖掘。

摘要：K-means聚类算法简单快速,应用极为广泛,但是当处理海量数据时,时间效率仍然有待提高。当一个数据点远离一个聚类时,就没必要计算这两者之间的精确距离,以确定该数据点不属于这个类。应用三角不等式原理对其进行了改进,避免了冗余的距离计算。实验结果表明,改进之后在速度上有很大程度的提高,数据规模越大,改进效果越明显,且聚类效果保持了原算法的准确性。

摘要：当前关于膜计算的研究有很多,但是大部分都停留在理论研究层面,关于膜计算的应用研究依然比较少.现有膜系统主要包括细胞型膜系统、组织型膜系统和神经型膜系统.现有膜系统及其变形都是基于图结构的设计,为了进一步扩展膜系统的应用能力,将现有的基本膜系统结合离散Morse理论,创建了新型的单纯形P系统.同时将细胞的多维框架思想加入膜系统研究中,从形式化的角度,创建了膜系统的链式结构.将膜系统的极大并行性和聚类分析模型进行结合,不仅可以用于处理高复杂度、数量庞大的数据集,而且还可以提高聚类算法的性能,具有广泛的应用价值.针对两种新型膜系统进行了详细介绍,同时将膜系统与聚类问题进行结合的研究进行了概述.