核概率距离聚类方法及应用

研究聚类分析新方法一直是统计学和机器学习研究领域普遍关注的课题。针对概率距离聚类算法不能解决非线性可分聚类问题的缺欠,笔者应用核函数理论将该模型拓展成为一种能够解决非线性可分聚类问题的统计模型,称为核概率距离聚类分析模型。研制出一种应用新模型进行遥感图像非监督分类研究的实施策略和可行算法;在GDAL遥感图像数据输入输出函数库基础上,用VC++语言开发了遥感图像核概率距离聚类分析算法程序;用ERDAS软件提供的一幅7波段491像素×440像素大小的TM图像进行新方法分类应用实验研究。对比了新模型和其原版本的TM遥感图像非监督分类效果,结果表明新模型的非监督分类效果优于原有的分类模型。     

Kohonen人工神经网络在新疆东天山地区斑岩型钼矿资源预测中的应用

采用多源信息找矿模型,结合Kohonen人工神经网络对新疆东天山地区斑岩型钼矿进行了成矿预测。通过该地区已有斑岩型钼矿的成矿、控矿规律,确定了5类预测变量。由于东天山钼矿床已知样本较少,使用非线性的Kohonen人工神经网络法进行少模型预测。此方法不依赖预测区域的样本数量,实行非监督分类。分类结果显示:东天山地区2个典型钼矿床皆落入A类成矿有利区域,证明分类效果较为可信。实验结果表明,该方法操作简便,是一种较为快捷、有效的预测方法。     

基于聚类-二叉树支持向量机的砂土液化预测模型

建立在统计学习理论基础之上的支持向量机（SVM）,是一种基于结构风险最小的小样本机器学习方法。经典的支持向量机主要针对二分类问题,而工程实践中遇到的往往是多分类问题。根据影响砂土液化的主要因素,采用聚类分析中的类距离思想,建立了基于聚类-二叉树的多类支持向量机的砂土液化判别模型。该模型可以通过有限样本的学习,建立砂土液化与各影响因素之间的非线性关系。研究结果表明,基于聚类-二叉树支持向量机的层次结构合理,分类精度高,泛化性好,可对砂土液化等级进行较准确判别     

模糊图聚类分析算法

聚类分析是一种对事物按一定要求进行分类的数学方法,并已成为数值分类学的一个分支。近年来,随着模糊数学的发展和渗透,模湖聚类分析方法在各个领域逐渐得到应用。但从实际应用来看,由于受到人为因素的干扰,聚类结果有着不同程度的失真现象,为此,人们在研究新的聚类方法,以排除人为因素的干扰,模糊图聚类分析法就是其中一种,它是将动态聚类的基本原理与模糊图连通强度概念相结合而得到的,不受人为因素的干扰,可以判断分类结果是否合理,如果不合理则加以修改,调整分类,直到得到合理的分类结果。模糊图聚类法实用、简便,应用此法,我们在物化探资料处理中取得了比较满意的结果。     

模糊聚类在碱交代岩石和小岩体分类中的应用

聚类分析在地质工作中已经得到广泛的应用。但其计算相当复杂,一般要由电子计算机完成。此外,因相关系数或相似系数矩阵中各元素并不一定具有集合论中分类的充要条件所需的传递性,故应用多元统计选取最大值的分类方法就可能得不到满意的结果。地质工作中的分类问题一般都是模糊的。因而利用模糊数学的运算方法解决地质工作中的分类问题,会比常规的聚类方法更合理和简便。本文简略介绍模糊聚类方法的原理及其应用。     

局部敏感的峰值分离法

聚类分析是用数学工具进行分类的一种方法,它在地质方面有广泛的应用,关于聚类的各种具体方法,如系统聚类法、图伦方法、分解法,逐步聚类法等在资料中已有较详尽的介绍。本文再介绍一种被称为“局部敏感的峰值分离法”。     

三叶虫聚类学习系统TCLS的设计与实现

介绍了一个应用计算机实现三叶虫自动分类的智能系统ＴＣＬＳ，ＴＣＬＳ采用人工智能领域中的概念聚类方法，对顺序输入的一组三叶虫实例，根据其属性相似性，产生类及类与类间的关系，并由此形成一棵反应类间层次结构的分类树，分类树在分类过程中不断修正，本文详细讨论了ＴＣＬＳ的聚类原理，系统设计以及对实现结果的分析。     

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.     

基于RS与GIS技术的江苏海岸带湿地分类

通过对江苏海岸带TM影像进行计算机自动分类与人工解译相结合的分类研究,探讨了提高海岸带湿地分类精度与效率的方法与途径。先采用分区分层分类的方法依据海岸线将本研究区分为陆地和海滩两部分。对于陆地部分,对基础分类影像经过非监督分类和光谱聚类处理后,获得分类模板,利用此模板对基础分类影像进行监督分类,对于海滩部分依据平均高潮位线、中潮位线、NDVI对影像进行分层分类,在分类的过程中运用了人机互译判读方法。结果精度评价表明该方法能明显提高海岸带湿地的分类精度。最后,基于VB和MO控件开发了江苏海岸带湿地GIS系统。     

基于聚类和支持向量回归的短期负荷预测方法

提出了一种基于自组织特征映射(SOFM)的聚类分析和支持向量回归(SVR)的电力系统短期负荷预测方法。该方法首先利用自组织特征映射网络,通过无监督学习策略,对训练样本集进行聚类分析,将其分为若干相似子类;再针对每一子类构造一个支持向量回归(SVR)模型,以对应子类的样本集训练SVR模型。由于聚类后的每一子类的样本具有相似性,同时子类样本数较少,因此,该方法能够缩短训练时间,提高预测精度。基于某电网提供的历史负荷数据进行的不同方法对比实验说明了该方法的有效性。     

基于谱聚类的救援提升车故障诊断方法

针对救援提升车结构复杂、工况故障数据独立性差、故障诊断难的特点,提出一种基于谱聚类的半监督支持向量机救援提升车故障诊断算法。该算法利用谱聚类的思想挖掘原始故障数据的隐藏特征信息,有效区分不同耦合程度的部件系统中故障信息的独立结构特征。首先根据原始输入数据建立故障图谱,然后通过建立拉普拉斯矩阵获取更加符合聚类假设的核函数,最后,建立半监督支持向量机模型,利用梯度下降算法求解最终分类结果。将上述算法应用于XCA30＿JY救援提升车工况故障诊断系统,通过搭建真实仿真环境,对采集到的工况数据进行分类,获取最终分类效果。为评价其性能,分别与传统支持向量机及梯度下降半监督支持向量机进行比较。实验结果表明：提出的算法对于救援提升车故障诊断具有较好的分类效果,救援提升车工况故障分类错误率降低至10.2%,可有效解决复杂工况故障诊断难题。由于本算法具备任意样本空间聚类及非凸函数优化求解能力,因此,除可广泛应用于车载故障诊断系统外,对于数据分类、模式识别等方面具有普遍的应用和指导意义。     

基于降雨类型直方图分析的降雨站点相似性研究

为研究降雨观测站点间的相似性,提出了基于单场降雨类型直方图分析的降雨站点相似性比较模型。首先提取降雨时间序列中的雨量项,经过数据预处理,选择和提取单场降雨特征,并将这些特征统计量进行数据标准化处理;采用基于Davies-Bouldin指数聚类有效性指数的K-means方法进行聚类,最后对聚类结果进行基于单场降雨的降雨类型直方图相似性分析。实验结果符合相关区域的站点相似性实际情况,表明该相似性模型是可靠的,具有较好的应用价值。     

用“找异原则”进行聚类谱系图判读的新尝试

一、引言聚类分析是一种应用十分广泛的多元统计方法。在地质学领域应用尤为普遍,几乎国内开展的各项矿床统计预测工作,都进行了某种聚类分析。其目的是根据地质体的多种地质或地球化学标志的相似性,按其某种数量指标的亲疏程度,逐步聚合而进行分类。对于Q型(关于样品的)聚类而言,在样品较少的情况下,其方法简便,结果直观;但在样品数巨大的情况下,谱系图结果的分析解释,仍是一个很复杂的问题。谱系图的判读,其结果往往与专业人     

基于核函数理论的系统聚类分析

为了完善系统聚类分析算法理论,使之具有区分数据集非线性集群特征的能力,将核函数理论和系统聚类分析算法有机结合,推导出基于核函数理论的系统聚类分析方法。其基本思路是:把样本从低维观测空间非线性变换至高维像空间,使样本变得线性可分;然后,应用核函数理论“隐式”地实现高维像空间的系统聚类分析。用Pb、Bi、Mo质量浓度作为化探异常的分类依据,对8处化探异常进行分类实验研究,在Pb、Bi、Mo两两组合的二维平面图中,8处化探异常明显地分为（1, 3, 8）,（2, 4）和（5, 6, 7）3个点群,用核系统聚类方法能够很好地区分出这3个点群;而传统系统聚类方法却把8处化探异常错分成（1, 3, 8, 6）和（2, 4, 5, 7）两个类。由此可见,核系统聚类方法的类群区分能力高于传统系统聚类方法。     

喀斯特地区遥感影像解译新算法——支持向量机算法

现行的遥感影像解译方法有监督分类和非监督分类。在监督分类中有平行算法,最小距离算法、最大似然算法等,而支持向量机是监督分类中的一种新的算法。本研究选择贵阳市花溪区小碧乡局部地区为研究对象,采用SPOT数据,分别运用最大似然算法和支持向量机算法对研究区遥感影像进行解译。通过建立混淆矩阵,来计算分类精度和Kappa系数。结果表明:支持向量机具有分类精度高,分类图斑完整等优点;但在时间的消耗上,支持向量机算法要比最大似然算法长。对于这两种算法而言,都存在地物光谱特征明显相异的地物易于区别,光谱相似的地物容易造成错分的现象,然而支持向量机分类精度要比最大似然分类精度高一些。支持向量机对样本数量具有敏感性,样本数量过多将导致运算时间过长。因此在实际运用中应根据实际情况,选择适合的算法。      

模糊聚类分析方法在牛场水源地水质分类中的应用

本文利用模糊聚类分析方法,采取牛场水源地中74件水质样,经筛选出18件典型代表样本,进行最大树法模糊聚类,获得的大部分结果与水源地环境背景相符合.水质可分2大类18亚类。该方法简单实用,在水质分类中具有某些优越性.     

基于快速聚类-信息量模型的汶川及周边两县滑坡易发性评价

滑坡灾害易发性评价研究对规划灾害区域、制定防灾策略等方面具有十分重要的意义。以滑坡灾害频发的汶川及周边两县（理县和茂县）为例,提出滑坡灾害易发性评价的快速聚类-信息量模型。选取坡度、高程、坡向、距构造的距离、距水系的距离、地层岩性和土地利用情况为对滑坡有重要影响的7个影响因子,并在二级因子的分类上,对上述前5个影响因子依据159处滑坡样本分别开展快速聚类分析,同时也给出了传统的等距分类法,以便与快速聚类方法形成对比,对后2个影响因子则以定性方法分类。根据上述二级分类方法的不同,以及滑坡样本是否考虑面积因素,将信息量模型细分为四类（模型a:快速聚类-数量模型、模型b:等距分类-数量模型、模型c:快速聚类-面积模型、模型d:等距分类-面积模型）,分别计算各二级指标信息量,并通过ArcGIS空间叠加分析得到研究区域信息量分布,然后通过自然断点法将研究区滑坡易发性划分为五个等级。以易发性递增原则和线下面积（Area Under Curve,AUC）作为精度评价指标,结果表明:①快速聚类模型（模型a和模型c）整体效果优于等距分类模型（模型b和模型d）;②相同分类方法下,面积模型（模型c与模型d）整体优于数量模型（模型a和模型b）;③在上述两项优势的加持下,模型c相较于模型b,评价精度明显提升,其AUC值从80.46%提高到87.25%。     

模式识别与成矿预测Ⅳ——Isokid模式识别方法及其在矿产预测中的应用

在Isodata、Isomix等方法的基础上,笔者提出一个新的非监督模式识别方法即Isokid算法,该法还吸取了Cora-3、Hamming等监督模式识别方法的一些特点,使它具有很多优点:(1) 简化了初始聚类中心的计算;(2) 利用信息量计算法给特征加权;(3) 采用了删除特征试验;(4) 适用于多类分类识别。本文以广东花岗岩型铀矿床的识别预测和对赣中南产铀、产钨岩体的识别为例,介绍了本方法的使用情况和特点。结果表明,本方法识别结果可靠稳定,是目前模式识别中较好的方法,除应用于地质找矿外,还可应用于其它领域。     

基于聚类的煤矿井下钻孔瞬变电磁异常响应边界成像方法

为了提高煤矿井下钻孔瞬变电磁反演成像结果中的异常响应边界识别和解译能力,完成掘进工作面前方隐伏水害精准刻画、隐蔽致灾因素精细分析等地球物理解释,提出应用无监督机器学习中的聚类方法分析钻孔瞬变电磁处理成果。根据电阻率数值分布特征和2种聚类方法的特点,选择K-Means聚类算法对电阻率成像结果进行聚合分类;在聚类计算过程中,应用最远距离原则确定类簇的初始质心,选用欧氏距离作为距离计算方法,采用基于组内平方误差和的肘部法则确定聚类数目。针对掘进工作面前方的隐伏水害,分别采用三维数值模拟和井下现场应用实例进行了实用性和有效性验证。研究结果表明:该方法可自动识别最佳类簇数目,对电阻率实现准确聚类,聚类成像结果能改善原始成像模型的光滑过渡问题,突出异常响应边界,清晰显示异常响应形状和位置,有效帮助对钻孔瞬变电磁超前探测反演结果中的隐蔽致灾水体进行识别和归类。      

随机近邻分类的算法研究

对随机近邻分类方法做了深入的研究，采用了随机近邻判决准则，对一事例数据进行了计算，并与多元系统聚类得出的结果进行对比，显示出随机近邻分类方法具有较好的非线性，非球形分类的特点，值得进一步推广应用。