检索结果

Select

1. 基于密度峰值的混合型数据聚类算法设计

李晔, 陈奕延, 张淑芬

计算机应用 2018, 38 (2): 483-490. DOI: 10.11772/j.issn.1001-9081.2017082053

摘要（343）

PDF （1493KB）（335）

针对 k-prototypes算法无法自动识别簇数以及无法发现任意形状的簇的问题，提出一种针对混合型数据的新方法：寻找密度峰值的聚类算法。首先，把CFSFDP（Clustering by Fast Search and Find of Density Peaks）聚类算法扩展到混合型数据集，定义混合型数据对象之间的距离后利用CFSFDP算法确定出簇中心，这样也就自动确定了簇的个数，然后其余的点按照密度从大到小的顺序进行分配。其次，研究了该算法中阈值（截断距离）及权值的选取问题：对于密度公式中的阈值，通过计算数据场中的势熵来自动提取；对于距离公式中的权值，利用度量数值型数据集和分类型数据集聚类趋势的统计量来定义。最后通过在三个实际混合型数据集上的测试发现：与传统 k-prototypes算法相比，寻找密度峰值的聚类算法能有效提高聚类的精度。

参考文献 | 相关文章 | 多维度评价

Select

2. 需求预测方法抑制牛鞭效应问题的研究

李晔尚晓玲陈燕

计算机应用

摘要（1120）

研究了供应链系统中的牛鞭效应问题，提出了基于指数平滑、移动平均和需求信号处理的需求预测方法抑制牛鞭效应的动态模型，分析了模型对牛鞭效应的减少作用。应用Bode图验证了三种预测方法对牛鞭效应抑制的效果。