简介：针对抑制式模糊C-均值聚类算法所存在的不足，提出了一种改进算法——半抑制式模糊C-均值聚类算法。通过对抑制式模糊C-均值聚类算法的良性扩展，在保持收敛速度变化不大的前提下改善了聚类的效果。实验表明，该算法是有效的。

简介：与Mamdani模糊系统相比,T-S模糊系统具有较好的性质,并在实际中得到了广泛的应用。如何建立T-S模糊系统也成为研究的热点。本文使用改进的模糊C-均值聚类方法建立初始T-S模糊系统,然后使用粒子群算法进行优化。仿真结果验证了该方法的可行性与有效性。

简介：摘要交通拥挤事件是城市公共交通系统中造成交通延误的最主要原因之一，快速有效的识别拥挤事件是城市交通控制策略的重要环节。针对交通流相态及其交通因素类属方面存在的模糊性，本文在分析交通流特征时对其进行了聚类软化分。根据交通流特性，运用模糊C均值聚类算法对交通流各要素进行模糊分析处理。通过对交通量隶属度的判别和聚类分析结果，找出不同交通流间的亲疏程度和相似性，将具有相近特性的交通流归纳在一类，从而判别出交通流相态属性，确定交通拥挤事件的发生，达到对交通拥挤事件识别的目的。

简介：目的采用反映血管新生状态的指标经模糊C均值聚类对星形细胞肿瘤病理学分级进行探讨。方法采用含有正常成人脑组织、弥漫性星形细胞瘤（WHOⅡ级）、间变性星形细胞瘤（WHOⅢ级）、胶质母细胞瘤（WHOⅣ级）及阳性对照组织的168点矩阵的组织芯片,通过免疫组织化学SABC双标法标记内皮细胞和血管内皮生长因子,以Image-ProPlus5.1中文版图像分析软件对染色结果及血管内皮生长因子阳性单位、微血管密度及微血管平均周长等指标进行测定。采用单因素分析方法筛选与星形细胞肿瘤病理级别相关的参数,以矩阵实验室数学软件提供的模糊C均值聚类函数参数作为聚类对象,将不同的组织切片参数值进行模糊C均值聚类,所得聚类值分别赋值为星形细胞肿瘤病理分级值。结果（1）在不同病理分级组之间,星形细胞肿瘤血管内皮生长因子阳性单位差异具有统计学意义（P=0.000）,各病理分级组间两两比较差异亦有统计学意义（均P〈0.05）。（2）在不同病理分级组之间,星形细胞肿瘤微血管密度值差异有统计学意义（P=0.000）,两两比较差异亦有统计学意义（均P=0.000）。（3）星形细胞肿瘤微血管平均周长,Ⅱ级组与Ⅲ级组、Ⅱ级组与Ⅳ级组比较差异有统计学意义（均P=0.000）,而Ⅲ级组与Ⅳ级组之间差异无统计学意义（P=1.000）。（4）与WHO病理分级相比,模糊C均值聚类产生的星形细胞肿瘤病理分级值对Ⅱ、Ⅲ、Ⅳ级等级别的诊断符合率分别为85.71%、48.39%和78.95%,总体正确率达68.46%。结论星形细胞肿瘤血管内皮生长因子阳性单位、微血管密度和微血管平均周长等项指标的模糊C均值聚类值与星形细胞肿瘤病理分级值比较符合,可应用模糊C均值聚类法对星形细胞肿瘤的病理分级进行辅助推测。

简介：为实现高校教师有效教学的特征识别,以问卷的形式对高校教师教学能力现状的反馈情况进行考查和归纳,提取教学意识能力、教学风格能力、教学认知能力、教学反思能力等7个有效教学特征因子,并采用李克特五级量表进行数据处理。提取有效教学的特征值,对有效教学特征因子进行量化,得到有效的教学特征数据,进而采用模糊C均值聚类算法对有效教学特征数据进行分类,建立标准有效教学模型库。将新的教师有效教学特征值通过模糊模式识别中贴近度的方法与模型库相匹配。如果不匹配,提出4种提升有效教学的策略,为后续的教学风格研究提供依据。

简介：选秀大会就像一次集体赌博，状元或许是水货，57位也能淘到明星球员。那些看似随意的顺位排列有规律或奥秘存在么？

简介：针对一类带聚类特征的旅行商问题(TSP),研究了一种新型的带聚类处理的C-均值蚁群混合算法.为加快收敛速度,算法首先用C-均值算法对TSP中的城市进行特别聚类处理,然后再利用蚁群算法对分类结果进行处理来得到最终解.算法还集成了一种C-均值搜索算子,并引入了局部搜索策略2-opt,以提高搜索性能.在聚类数目给定的情况下,所提算法能够得到所求TSP的全局较优解,与基本蚁群算法、遗传算法和模拟退火算法比较,它具有更快的收敛速度和更高的收敛精度,并可扩展到一类相关的具有聚类特征的组合优化问题之中.实验结果表明,所提算法是有效的.

简介：例题1一长为l、不可伸长的轻质细线一端固定。另一端拴一质量为m的小球，手持小球将细线拉至水平状态后由静止释放小球，则在细线转至竖直状态的过程中，小球所受重力的功率如何变化？

简介：本文把点集拓扑学中的C·T·Yang定理推广到模糊拓扑学中，并且获得了一些其它新的结果。

简介：如图1所示,函数y=f(x)在x_1到x_2区域内与横轴所围成的面积为S,则y在x_1到x_2区域内的平均值为(?)(x)=S/(x_2-x_1)．物理量的平均值不仅与x_1到x_2这一区域有关,还与选择怎样的自变量x有关．

简介：利用粗糙集的约简算法及类边界集分别选出影响绩效的核心因素和样本的边界集，将其应用于C-均值聚类网络得到具有概率信息（权重）的样本，作为支持向量机（SVM）的输入建立员工绩效评估模型。实例表明，该方法拟合率高，且性能优于SVM算法。

简介：

简介：分析·解由条件x＋y=5知符合均值换元的条件，所以令x=5/2＋t,y=5/2-t,

简介：均值不等式求最值是历年来高考的重点,而利用均值不等式的关键是注意利用条件使用拼凑、拆分等技巧,特别是凑＂定和＂＂定积＂,使问题迎刃而解.

简介：摘要本文列举了一些典型实例，探究了数学学习中均值不等式的应用。并结合最近发展区理论探讨了解均值不等式的具体方法。

简介：用算术平均值A=sumfromi=1ton(a_i)/n作代换,可以把a_i(i=1,2,3……n)写成a_i=A+bi(i=1,2,3……n)的形式。若a_i(i=1,2,3……n)成等差,公差为d,则a_i(i=1,2,3……n)可写成……,A-2d、A-d、A、A+d、A+2d、……的形式(n为奇数);或写成……,A-3d/2、A-d/2、A+d/2、A+3d/2,……的形式(n为偶数)。若A=(a+b)/2,则a、A、b成等差,可把a、A、

简介：VaR（ValueatRisk）是一个在当前的金融市场条件下，测量各种不同的风险，确定投资的获利的重要方法。本文提出了VaR估计并提出新问题，即假设给定一个可接受的VaR，如何确定一组给定证券的组合投资的最大收益，并且同时满足VaR的约束条件；假设市场条件是变化的，如何在保证的投资组合下，在给定的VaR范围内，获得一个投资重组（重新平衡）策略，使其在一系列投资组合中相应的收益最大。为了解决这些问题，我们采用并进一步发展了一种算法来处理这些投资组合的优化问题。

简介：摘要：“均值不等式”是基本不等式之一，在解决高等数学问题中发挥着重要作用。它不仅是高中数学课的重要内容，而且近年来在大学入学考试中也引起了人们的注意。它是证明不等式及其各种最大值的重要依据和方法，利用变异灵活和条件约束的特点，可以在许多领域得到广泛应用并发挥积极作用。正确应用“均值不等式”是数学教师的一个重要研究课题。

简介：利用初等对称多项式得出算术平均值与几何平均值不等式的推广形式,并给出[1]中的一个猜想不等式的证明.

简介：免疫组化彩色图像分割在免疫组化染色定量分析中有重要的应用价值。C-均值聚类算法（CMA）是根据一定的相似性准则将图像分成C类。由于运算十分耗时，直接限制了C-均值聚类算法在彩色图像分割领域的应用。本文针对免疫组化彩色图像特点，提出了分割免疫组化彩色图像的色度学准则，即：用每个像素的R分量减去B分量，根据其差值是否大于0将相应的像素分为两大类：（R-B）≥0类和（R-B）〈0类，自动分离出图像的阳性细胞区域和阴性细胞区域。在此基础上我们改进了C-均值聚类分割的方法：①针对上述两大类图像的色彩分布的特点确定初始聚类中心；②分别对上述两大类像素在一个色度学空间聚类；③根据每次迭代过程中聚类中心的变化趋势来预测下一次迭代后可能的聚类中心，从而减少迭代的次数。改进之后的C-均值聚类分割方法减少了聚类的样本数量，降低了算法的复杂度，且由于迭代次数的减少，运行速度得到了提高。实验结果表明，本文建立的技术方法能有效地分割免疫组化彩色图像。