基于信息熵和判断矩阵的专家聚类赋权法李香亭1，杨风暴2，周新宇3，吉琳娜4（中北大学信息与通信工程学院，山西，太原，030051）Email:bluerose07@126.com摘要：为了降低专家聚类赋权过程中由排序向量引起的不确定性和判断矩阵引起的矛盾性，提高权值分配的精确性，提出了基于信息熵和判断矩阵相结合的专家聚类赋权法。该方法采用聚类分析原理，对排序向量进行分类，根据分类结果、信息熵值和一致性比率确定专家权重系数。实例...
【文献号】2-286【原文出处】统计与决策【原刊地名】武汉【原刊期号】200507(下)【分类号】F104【分类名】统计与精算【复印期号】200505【标题】长三角产业分工的模糊聚类分析【作者】宋涛【作者简介】上海大学国际工商与管理学院，上海200240【内容提要】本文采用模糊聚类分析的方法对长三角地区中除上海、南京、杭州三大中心城市外的12座城市进行分类，并针对不同类别的特点具体分析了各个城市在长三角产业分工中所应处的位置...
第6卷第3期2006年9月温州职业技术学院学报JournalofWenzhouVocationalTechnicalCollegeVol.6No.3Sep.2006快速聚类分析算法在CRM中客户定位的应用2006-04-11范潇允(1981—,女,辽宁抚顺人,辽宁石化职业技术学院计算机系讲师.[收稿日期][作者简介]范潇允(辽宁石化职业技术学院计算机系,辽宁锦州121000[摘要]客户关系管理是一个以客户为中心保持企业与客户互动的过程。把聚类分析用于客户关系管理,可以使得本企业更有针对性地与客户...
聚类分析方法在教学评价中的应用【摘要】本文列举了教学评价中的十项指标，基于聚类分析原理，以75位计算机公共课教师的教学情况为样本对各项指标进行了聚类分析,并进行了恰当分类。通过分类和排序，得出了教师各项指标的差异，为今后教师哪些方面的努力提供了一定的参考价值。【关键词】聚类分析教学评价【中图分类号】G642【文献标识码】A【文章编号11006—9682(2009)04-0014-02【Abstract】Thispaperliststhe10teachingevalu...
基于叶脉聚类研究技术叶片快速分类摘要：根据叶脉密度、距离、圈数等参数，采用Blonder等的叶脉数学模型和层次聚类分析方法，最终确定将25种具有地域代表性的树木树叶分为4大类，研究还发现叶片曝光率、树枝轮廓都会影响叶片的形状。该树叶类型分类方法理论清晰，简单易于实现，在植物叶片迅速分类等农林业领域有一定的实用和推广价值。关键词：叶脉；层次聚类；相关性分析；叶片快速分类中图分类号：Q94文献标识码：A文章编号...
基于K-means聚类算法的客户价值分析研究摘要本文重点讨论了聚类分析方法中K-means聚类算法在客户价值分析中的作用，通过对客户的现有价值和潜在价值进行分析，对客户进行细分。在此基础上，企业可结合行业的特征找出各类客户的特点，实行差异化服务策略，让更好的资源和服务提供给最有价值客户，从而达到顾客满意、企业盈利的目的。关键词聚类分析K-means聚类算法客户价值1引言市场分析理论认为，20%的客户带来约80%的利润，即...
基于聚类以生活技能为中心青少年综合行为干预措施建议【中图分类号】R169【文献标识码】A【文章编号】1672-3783(2011)07-0369-01【摘要】目的探讨广西省柳州市青少年综合行为干预的适宜措施。方法采用分层整群抽样方法，于2009年抽取柳州市区3720名大中学生进行问卷调查，采用样本聚类方法对12种健康危险行为进行聚类。结果男女生行为聚集模式分为5组：低危险组、骑车违规高发的中度危险组、饮酒高发的中度危险组、...
基于主成分聚类分析云南省干旱自然分区摘要：干旱自然分区能揭示研究区干旱的发生发展规律，为制定抗旱防灾减灾对策提供理论依据。基于主成分聚类分析法，选用地形起伏度、多年平均干旱指数、P75%年降水量负距平百分率和年降水变差系数四个指标对云南省进行干旱自然分区，并使用ArcGis软件绘制相应的干旱自然分区图，最后采用单因素方差分析法检验分区结果的合理性。结果表明：云南省中东部地区比西部地区更容易发...
基于聚类研究与判别研究地理气候区域划分摘要本文选取了中国气象科学中的一组数据，采用可以区分不同气候特征的8个指标，使用最短距离法来对主要城市进行聚类分析，确定了5类气候分类，并对各类区域的气候特点进行了解释。再选择几个省份重新进行判别分析，并利用判别分析方法对聚类分析的评价结果进行比较，最终确定5类气候区域。关键词地理气候聚类分析判别分析中图分类号：G642文献标识码：A0引言气候分类①是将...
基于聚类研究我国文化产业地区竞争力探中图分类号：G124文献标识码：A内容摘要：本文采用聚类分析法对我国内地除北京和上海外的29个省市、自治区的地区文化产业竞争力进行了分析。结果显示：我国区域经济研究中的东部、中部、西部地区的划分，对于研究文化产业区域竞争力水平有较大的适用性;文化产业核心层与外围层之间存在着相互影响、相互作用的关系，且当某一地区文化产业发展规模较低时，呈现出较为明显的核心...
基于聚类分析区域消费水平等级划分探究摘要：区域消费水平是衡量区域实力的重要因素，基于区域消费水平的区域等级划分既直接反映区域消费水平,也间接反映区域综合实力。因此，选用31个省级行政区域作为研究对象，基于区域消费水平聚类分析模型对其进行等级划分。结果显示，将31个区域划分为三大等级未评估我国各区域的消费水平，有利于针对不同的消费市场研究制定相应的营销策略关键词：消费水平；聚类分析；等级划...
基于聚类分析的商业银行个人理财产品市场的细分要要以西安市雁塔区为例ClassificationforPersonalFinanceProductMarketofCommercialBankBasedonClusterAnalysis:ACaseStudyofYanta,Xian姜姿宇JIANGZi-yu曰丁美月DINGMei-yue曰卢丽丽LULi-li曰张兵ZHANGBing(陕西师范大学国际商学院金融系,西安710062)(DepartmentofFinance,InternationalBusinessSchoolofShaanxiNormalUniversity,Xian710062,China)摘要院市场细分是...
毕业设计开题报告名称基于聚类分析的地区经济发展评价研究院（系）信息与数学学院专业班级数学]]403学生姓名黄圭指导教师冯建中辅导教师冯建中---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---基于聚类分析的地区经济发展评价研究学生：黄韦长江大学信息与数学学院指导教师：冯建中长江大学信息与数学学院一、题目来源本题冃来源于指导老师科研。二、研究目的和意义聚类分析又称群分析，聚...
2015——2016学年第一学期实验报告?课程名称：多元统计分析实验项目：聚类分析设计性□验证性□实验类别：综合性□√专业班级：13统计班姓名：张淑娟学号：20134046030实验地点：总理楼60801实验时间：2015年11月25日星期三指导教师：成绩：一、实验数据、参考资料与实验目的实验数据于文件《聚类分析.rar》内的chapter12，主要参考书为《spss统计分析从入门到精通.pdf》。实验目的：1、掌握聚类分析的基本方法，主要有快速聚类...
数字图像聚类技术研究多媒体是一种极其重要的信息资源，现代技术已能运用各种手段大量地采集和产生各种类型的多媒体信息数据，而多媒体信息中占有举足轻重作用的一种就是图像信息。近年来随着需求的增加、工艺技术的进步，以各种方式获取的图像信息的数量得到了飞速的增长，进入新世纪后，有人估计世界每年产生的新图像已达800亿幅，信息膨胀已给人类带来过多的信息量以致超出了人的接受能力，有鉴于此，如何快速、准确、高效的...
基于模块化聚类的标签弹性推荐〔摘要〕[目的/意义]社会化标注系统为用户检索提供便利的同时也面临一些困扰，标签推荐研究有助于解决资源检索中精确度与召回率之间的两难抉择。[过程/方法]借助网络科学的理论与方法，通过对标签网络的模块化聚类处理获得主题聚类，采用度数中心度对主题聚类内部标签进行排名，根据特定规则选取Top-N标签数量。[结果/结论]实验结果显示，研究中提出的模块化Top-N标签推荐方法，具有可逐层细化的精...
基于标签聚类与用户模型的个性化推荐方法研究〔摘要〕社会标签系统是Web2.0中提出的概念，旨在更好地表达用户的兴趣和意愿。而标签聚类是社会标签系统的个性化推荐中一个重要的研究课题。本文研究了如何基于标签聚类与用户模型来进行个性化推荐的方法。通过计算标签的相似度进行标签聚类，结合用户模型，根据标签聚类结果做出推荐。通过采用CiteULike公布的数据集进行实验证明，与未采用标签聚类的推荐方法相比，本方法不仅可提...
基于PCA和K-均值聚类的有监督分裂层次聚类方法摘要：提出了一种新的基于PCA和K－均值聚类的有监督二叉分裂层次聚类方法PCASHC，用K－均值聚类进行逐次二叉聚簇分裂，选择PCA第一主成分相距最远样本点作为K－均值聚类初始聚簇中心，解决了K－均值聚类初始中心随机选择导致结果不确定的问题，用聚簇样本类别方差作为聚簇样本不纯度控制聚簇分裂水平，避免过拟合，可学习到合适的聚类数目。用四组UCI标准数据集对其进行了10折交叉...
大规模分布数据的分阶段非线性聚类方法应用研究摘要：提出一种能够有效处理大规模分布的数据聚类问题且简化计算复杂度的分阶段非线性聚类方法，该算法包含两个阶段：首先将数据划分为若干个球形分布的子类，采用K近邻图理论对原始数据计算顶点能量并提取顶点攻能量样本；再采用K近邻算法对该高能量样本做一个划分，从而得到一个考虑高能量样本的粗划分同时估计出聚类的个数，最后，综合两次聚类结果整理得到最终聚类结果。该方...
