爱华网自动化学报投稿→录用过程
阶段名称处理人提交时间估计完成时间实际完成时间
外审外审专家2009-11-222010-01-212010-01-25
1审稿人对该文研究领域：熟悉
2创新性：较强
3学术价值：较高
4文字质量：优
5选题意义：热门
6应用价值：较高
7文章摘要：完备
8文献引用：较全
9英文水平：良
10综合水平：优
11能否发表：可以发表
本文提出了一种新的模糊聚类模型AFCM。该模型考虑了数据集中全体数据的内在关联性，通过引入自适应度向量和自适应度指数，实现各异地处理各个数据，从而提高聚类结果和离群点挖掘上的能力。本文有着较强的创新价值和理论研究意义，语言表达清晰、简明。但文中也存在着少量的错误，如:
文中第5页第3行中“见式（12）”，应该描述的是“公式（5）”。AFCM的约束优化问题求解时引入的拉格朗日因子，在公式中是“Fita1,Fita2(注:此处，无法找到对应的特殊字符，用读音表示相应符号)”，但在文字描述部分是“φ1，φ2”。
同意发表
外审外审专家2009-11-222010-01-212009-12-14
1审稿人对该文研究领域：熟悉
2创新性：较强
3学术价值：较高
4文字质量：良
5选题意义：热门
6应用价值：较高
7文章摘要：完备
8文献引用：较全
9英文水平：良
10综合水平：良
11能否发表：修改后发表
这篇文章提出了一种自适应模糊聚类，简称AFCM．其特点是：AFCM考虑了数据集中全体数据的内在关联性，模型中引入了自适应度向量W和自适应指数p.其中，W在迭代过程中是自适应的，p是个给定参数.W和p共同作用调控聚类过程．AFCM同时输出三组参数：模糊隶属度集U，自适应度向量W，以及聚类原型集V.
文章通过实验表明：
1.AFCM可以得到更好的聚类质量，而且通过合理选择自适应指数p，AFCM和FCM在时间复杂性上保持同一水平．
2.AFCM的离群点挖掘性能具有极大的计算效率优势，且AFCM得到的离群点是全局的，反应的是离群点和整个数据集的关系，离群点涵盖的信息也更丰富，对挖掘离群点的应用方面具有一定的优势.
这篇文章主题思路清晰,有一定创新思想，全文推理及论证无误,排版格式比较规范。获得的结论真实，有一定的理论价值，对研究模糊聚类理论一定的参考价值。
但有下面几个方面需要修改：
1、“2.1模糊均值聚类”一节这一部分内容冗长，建议删减后，合并入“前言”部分；
2、建议作者将EVA，CMP和SPT的定义分别列出（原文放在一段），并详细给出定义它们的具体意义。
综上所述，本人认为该文基本达到了贵刊录用论文的标准，可修改后在贵刊上发表。
复审外审专家2010-02-012010-03-032010-04-21
已经按要求修改好，可以发表.
复审外审专家2010-02-012010-03-032010-02-20
1创新性：一般
2学术价值：一般
3文字质量：良
4选题意义：热门
5应用价值：较高
6文章摘要：完备
7文献引用：较全
8英文水平：良
9综合水平：良
10能否发表：可以发表
11发表栏目：论文与报告
作者已经针对提出的修改意见，进行了修改。可以在贵刊发表。
终审编委专家2010-04-212010-05-052010-05-25
1能否发表：录用
2综合水平：良
3发表栏目：论文与报告
4是否优先发表：否
5发表语种：中文
根据外审专家的意见，建议以论文发表。
