复杂产品碳足迹结构元规划方法研究*

日益增长的环境压力对复杂产品供应链碳足迹优化提出了更高的要求。为了降低优化过程动态性及不确定性,在综合评述产品拆卸建模分析研究方法的基础上,依据约束关系和装配结构,通过构建规则,设计多目标复杂产品碳足迹结构元拆卸混合图模型,确立模型约束关系矩阵,利用迭代分层思想设计驱动式递归聚类搜索算法,规划各层次碳足迹结构元模块。经液晶显示器实例证明,该规划方法可有效剖析复杂产品碳足迹结构基本元及模块单元。     

24份普通白菜遗传多样性的形态特征和RAPD分析

利用形态特征与RAPD分析技术,分析了国内不同地区的24份普通白菜(Brassica campestris L.ssp.chinensis(L.)Makino var.communis Tsee et Lee.)种质的遗传多样性.结果表明,13个形态学性状的变异系数为12.4%~69.9%,其中叶柄变异最大,子叶变异最小.24份普通白菜材料在形态学聚类的距离5处聚为4类.利用筛选出的15条RAPD引物从24份普通白菜材料中共扩增出113条带,其中多态性条带83条,多态率73.4%,平均每条引物条带7.53条、多态性条带5.53条.RAPD数据聚类在相似系数0.77处,分为8类,与形态聚类间有重叠和细分.以形态聚类4个类别计算的Nei's基因多样性指标H和Shannon信息指数I,均为第Ⅳ大类第Ⅰ大类第Ⅲ大类第Ⅱ大类,第Ⅳ类的H和I分别为0.2395和0.3523.而不同地区则以江淮地区的Nei's基因多样性H和Shannon信息指数I最高,分别为0.2076和0.3098.这些结果与普通白菜种质资源多样性特征以及地区分布相吻合.     

Method for tumor recognition with short dynamic PET images: theory and simulation study

A new method was provided in this paper to recognize tumor in PET images automatically and reduce the waiting time of patient. Based on the unsupervised clustering algorithm (ISODATA), this method diagnoses tumor with short dynamic PET images. The theoretical basis of this method is that the metabolic characteristics of different tissues, represented by time activity curve in the region of interest, are distinctive. The computer program was developed and validated using simulated dynamic PET data with small tumor in lung. Simulation study shows that, this method could recognize tumor with the short dynamic PET data in 10 min successfully, and this method was not sensitive to initial cluster center.     

势函数自适应加权模糊C-均值聚类方法

提出了一种新的基于势函数自适应加权的模糊 C-均值 ( PAWFCM)聚类算法。该方法以样本的空间势几何结构为基础 ,自适应计算出样本的加权矩阵 ,然后利用加权模糊 C-均值算法对样本集合进行分类。由于自适应地考虑到了不同样本点对分类的影响程度 ,对较复杂的样本集合 ,能明显提高分类的正确性和鲁棒性。算法的几个典型实验也证明了这一点     

面向稀疏数据集的聚类算法

在聚类过程中数据可能呈现稀疏性,如果仍用传统的欧式距离作为聚类指标,则聚类的质量和效率将会受到严重的影响。受到信息论中KL(Kullback-Leibler)散度的启发,采用基于KL散度的相似性度量方法,先描述数据的整体分布,进而对数据进行聚类。研究结果表明,最后通过实验验证本算法的有效性。这种方法可以利用簇中元素提供的信息来度量不同簇之间的相互关系,克传统欧式距离的缺点,提升算法准确度。     

聚类分析在入侵检测中的应用

在对现有的入侵检测技术研究的基础上,着重对数据挖掘技术中的聚类分析方法在入侵检测领域中的应用进行了研究。通过分析网络中数据的特点,提出了一种基于改进的k-means算法的无监督二次聚类算法,并用入侵检测权威数据集KDD Cup1999作为实验数据将其实现,实验表明,该算法具有较高的检测率和较低的误检率。     

基于流形距离的段混合聚类算法研究

聚类分析是一种数据缩减技术,即基于数据特征的相似性将数据聚集成不同的类,是数据挖掘中一种非常有效的工具,得到了人们广泛的关注。从聚类算法中的相似性度量问题入手,采用基于流形距离的相似性度量替代传统的基于欧氏距离的相似性度量,通过二阶段聚类解决引入流形距离带来的计算量增大问题,并将这种聚类算法应用到聚类分析当中。     

入侵检测的CPN改进算法的研究

结合神经网络方法,对入侵检测技术的聚类分析方法进行了研究和分析,探讨了在传统的对偶传播神经网络（Counter Propagation Networks,CPN）的基础上,引入基因表达式编程（Gene Expression Programming,GEP）对聚类进行优化,提出一种应用于入侵检测的CPN改进算法,该方法融...     

一种优化 BP 神经网络训练样本的方法

BP神经网络训练样本的选取对网络的泛化能力有较大的影响,特别,怎样从高维大样本数据中选取合适训练样本是一个难点。本文运用因子分析法对大样本数据进行预处理,再利用分析所得的公因子进行聚类分析,这样既可以降低指标的维数,也可以减少样本的数量。实验证明,该方法简化了网络结构、加快了网络的收敛速度,对提高网络的泛化能力有一定的帮助。     

ANFIS训练参数设置研究

针对自适应神经模糊推理系统的特点,分析了其两种建模方式的优缺点,并最终选择了采用减法聚类算法进行建模.进一步地,针对ANFIS的减法聚类算法4个训练参数初始值的设置问题,采用一多峰函数对其进行了研究,分析了预测结果随该4个参数调节而变化的特点.