动态聚类-模糊模式识别及其应用

本文以模糊子集论为指导,在迪戴的DCM法的基础上提出了动态聚类-模糊模式识别方法。实际上,它是一种新的模糊聚类的方法。该方法以DCM法的动态聚类部分做为原始数据变换的手段,而将迪戴的强模式概念推广为模糊模式,将强模式识别推广为模糊模式识别。此外,还提出了模糊模式间联系度的概念,从而解决了类间联系、类内典型个体、类间过渡个体、个体对各类的隶属程度以及内部有某种演化趋势的类别的划分等问题。文章还给出了该方法的数学模型和算法概要。最后,通过一个在地质学中的应用实例,说明了该方法的应用效果。     

模糊系统聚类的快速算法

一、引言模糊聚类分析是模糊数学中一个有广泛应用价值的方法,目前在地质、气象、石油、煤田、农林等方面都有着广泛应用,取得了可喜成果。模糊聚类分析的计算法,目前大都采用传递闭包法。此方法的优点在于:①计算方法简单,便于程序设计;②能打印输出一个系统聚类谱系图,直观地显示出任意一个贴近水平上的分类关系。但由于要求传递闭包,特别当样本个数较大时,要作若干次高阶方阵的自乘计算,很费时间。而在地质领域,往往是样本较多,故计算速度太慢,就不经济,不便推广。     

目标函数聚类法在地下水动态分类中的应用

地下水动态类型的划分是正确认识研究区水文地质条件与地下水开发利用之间关系的一个重要环节。本文论述了目标函数聚类法的原理与计算过程,并应用该方法对某河流附近的１５个观测孔的水位动态进行分类。分析结果表明该方法具有较高的可靠性与较广的适用性。     

模糊聚类在地质学中的应用

当使用某些多元统计分析方法对地质实体进行分类时,常有一些接近临界值的样品难以处理。这表明某些地质实体之间并无清晰的界限,而仅仅在样品空间中的一定区域里,存在着样品密度较大的一个个疑团,模糊集合正是描述这类现象的数学方法。

     

模糊聚类在地层分析中的应用

传统上,对于依据原始资料进行地层的划分与合并往往依靠工程师个人的经验与习惯。引入了模糊聚类概念,提出了一种根据基本物理力学指标进行土层归并分类的合理方法,物理意义明确,计算简捷,具有普遍意义。还提出了一种用参数的变异系数来检验模糊聚类结果的方法,使模糊聚类的结果与统计参数对应起来,从而使验证结果满足规范的规定,保证了地层归并的合理性。     

模糊K—均值聚类法及其在地质学中的应用

在一些地质分类问题中,往往存在着模糊界限,对此若用模糊数学的方法进行分类就显得更为自然,更为切合实际。本文集中阐述了模糊K—均值聚类法的基本理论和计算方法,并对地质上的样品分类的几个典型实例使用该方法作了初步尝试,在使用过程中,我们还结合模糊关系上的聚类法,在取定置信水平后,给出初始分类,使得最终分类达到局部最优,几个典型实例都在6912机上进行了试算,效果良好。     

基于交会图与模糊聚类算法的复杂岩性识别

针对复杂岩性识别中存在的模糊性,应用交会图和模糊聚类方法对复杂岩性储层的岩性识别问题进行了研究。首先依据岩心取样进行岩性归类,然后通过交会图技术确定了9个对岩性反映较明显的参数,并建立起研究区域的岩性样本集。最后,通过模糊聚类的识别模式,依最大隶属度的原则,建立了岩性判别方法,并应用该方法对海拉尔盆地的岩性进行了识别,取得较好的效果。     

应用模糊聚类方法制作韩江洪水预测

应用与暴雨洪水具有一定相关关系的前期大气环流指数、气象要素等因子,通过模糊聚粪模型计算方法,对韩江下一年年最大洪水规模做出预测分析,取得了一定效果。此方法为长期洪水预测提供了一种新的思路。     

模糊聚类分析法在油气评价中的应用

文章介绍了模糊聚类分析在石油勘探决策中的应用,选用了烃源岩9个评价参数,利用模糊聚类方法对烃源岩进行分类评价,并对评价过程进行了详细的论述.通过对评价结果与实际地质情况进行比较,评价结果与实际情况完全符合,证明模糊聚类方法用于油气资源评价是完全可靠的.     

模糊聚类动态图的性质

模糊聚类分析在地学中有广泛应用。其核心问题之一是确定相似系数。目前有14种以上的定义,且多含有参数。为免除应用者选择之苦,本文证明对某几种相似系数定义中的不同参数值都代表相同的分类结构,只要适当选择一个参数值就够了。核心问题之二是作出聚类动态图。本文引入等价模糊矩阵的脊形变换得到脊形矩阵,已证明n阶脊形矩阵至多含有n个互异元素（包括主对角线元素1）,它们分布在1级对角线上。取这些数值作为人阀值就能作出聚类动态图。对于众多的分类集合U,脊形变换能使U的元素重新排列,使任一等价类的元素都相邻排列,便于计算机自动输出聚类动态图。     

模糊聚类法在划分古生物地理中的应用

古生物地理的划分,通常有综合比较法和数字统计法两种.前者是传统的方法,而数字统计法是常用的二态变量聚类分析法:以地层为样本,地层中包含的种属为变量,作Q型聚类分析.我们通过若干资料的计算,取得了较为满意的结果.但是笔者在计算过程中发现,当形成大类时,相关系数往往降到很低.作为数字分类方法的探索,对同样的资料我们采用模糊聚类法分类,结果基本上与Q型聚类法一致,而且在某些地区与综合比较法的结果更吻合.还有一个明显的特点是:在和Q型聚类法分成同样大类的情况下,模糊聚类法给出了较大的亲近度.     

模糊K—均值聚类法

一、引言 K——均值聚类法又ISODATA聚类法,是一种对地质样品进行分类的有效方法,在使用过程中,该方法已取得了较好的效果。但地质样品的分类,类与类之间一般存在着模糊界限,因此,有时会发生“错分”和“错判”现象,对于这些模糊现象如用精确的数学语言描述还不如用模糊数学语言描述更为自然,更为符合实际。在六十年代的后半期,自从美国的控制论专家Za Deh(查德)提出了模糊集合概念形成模糊数学以来,Za Deh、Bellman等人曾提出将模糊集合理论应用到聚类问题上的一些设想,以后Ruspini灵活地将模糊集合理论与数理统计理论结合起来,提出了“Ruspini聚类方法”,这是模糊聚类的最早     

模糊聚类方法研究堤坝渗漏

稳定同位素、水化学的方法是研究堤防渗漏是一种十分有效的方法,以往人们大多只是定性的分析判断。结合北江大堤工程实例,尝试应用模糊聚类方法,选取22个水样稳定同位素和水化学值作为指标特征值,并赋与不同的权重,进行模糊聚类分析,聚类结果表明,T12孔和T9孔北5 m处涌水、江水和T9孔北排水沟出水在稳定同位素和水化学成分的Cl-及TDS上表现出了较大的相关性,可能为同一补给来源,为堤坝渗漏通道的判断提供了佐证。     

模糊聚类实现岩性自动划分

利用测井数据中的自然伽玛、中子、声波和密度测井曲线所蕴含的岩性信息,用模糊聚类算法实现岩性的自动划分。该方法识别准确度高,可靠性强。通过对川西坳陷十八口井的实际应用,此方法在低孔低渗的致密碎屑岩岩性划分中取得了良好的效果。     

水文地质分区中的模糊聚类系数法

利用隶属函数构造模聚类系数，给出了一种新的分区方法。运用此方法对水文地质进行分区可大大降低了计算量，并且避免了一些主观因素，该方法的关键是确定隶属函数，可以通过计算机的模拟计算解决。     

边坡稳定性分类评价的同伦模糊C-均值聚类算法

针对单一模糊C-均值聚类算法对初始聚类中心初值敏感性问题,引入同伦理论,提出了同伦模糊C-均值聚类算法。以三峡库岸研究程度较高的36个边坡为对象,采用同伦模糊C-均值聚类算法对边坡的稳定性进行分类,研究边坡最佳分类级数和算法的收敛性、可靠性。边坡聚类结果研究表明,同伦模糊C-均值聚类算法对初始聚类中心的选取没有明显的依赖性,是一个具有全局最优解的聚类方法,其结果明显好于单一模糊C-均值聚类算法。