WIDE:海量数据的聚类算法

给出了一种新的处理海量数据的聚类算法WIDE（window-density clustering algorithm）．它通过网格方法将数据之间的相互关联局部化，通过窗口技术来提高算法的效率，通过密度方法提高聚类的精度．以窗口为中介将网格方法和密度方法融合在一起是算法的主要思想．在此基础上对算法进行了扩展，在功能方面实现了混合型数据聚类、含障碍物数据聚类和增量数据聚类；在速度方面实现了分布式并行聚类．WIDE算法能够在局域网中的多台计算机上并行工作，效率高，计算复杂度为O（N），且能够发现任意形状的聚类，对噪声不敏感．     

基于密度万有引力改进的引力峰值聚类算法

针对密度峰值聚类算法（DPC）中存在的截断距离难以确定、局部密度定义单一的问题，本文提出了一种基于密度万有引力改进的引力峰值聚类算法（DG-DPC算法）。该算法使用相互K近邻的方法对相似性度量和局部密度进行了重新定义，然后将引力参数引入到DPC算法中，并通过新的相对局部密度与引力参数的倒数作出决策图选取簇中心，对数据集中的点进行分配。仿真实验表明，DG-DPC算法对于人工合成数据集和UCI数据集都有效，且准确率相对于基于相对密度优化的密度峰值聚类算法（RE-DPC算法）、DPC算法、基于间隙自动中心检测的密度峰值聚类算法（GAP-DPC算法）分别平均提高了31.07%、21.60%、17.20%。     

信息分类中的一种模糊技术

把模糊交互熵和模糊似然函数的性质应用到模式聚类中，从而为模式聚类增加了新一种方法；最后给出安德林（IRIR）数据实验对比情况。     

个性化产品推荐中的SOFM神经网络模型

从个性化推荐的应用特点出发，提出了一种基于SOFM神经网络的个性化推荐模型，对高维稀疏的样本进行动态聚类．它具有下列特点：（1）在SOFM学习中，引入抑制函数（Restraining Function），使其能够适应顾客评分数据的极端稀疏；（2）设置神经元的分裂和合并过程，使其能够满足顾客聚类的频繁变动．通过实验分析表明，该模型能够明显提高推荐质量。     

基于高维特征聚类优化的随机森林算法研究

针对传统的随机森林算法（RF）在对高维特征数据集计算速度慢、聚类效果不佳的缺陷,提出了一种基于高维特征聚类的随机森林算法（HDFC-RF）,首先用传统RF方法对初始高维数据集聚类后,使用K均值聚类（KM）和模糊C-均值（FCM）结合,计算样本相似度,并对聚类特征划分族群,最后通过计算DBI指标,并与相关性阈值δ比较和排序,得到最终的高维特征序列。将HDFC-RF算法应用于高维特征数据集Colon Tumor,与传统的RF和FSRF算法比较。实验结果表明,HDFC-RF算法对于高维特征的数据集具有更好的聚类效果、训练速度也更快,具备良好的可行性。     

基于数据场的Kohonen聚类神经网络

Kohonen聚类神经网络（KCN）在处理数据集的聚类问题时具有良好的准确性.但KCN算法在随机选取初始权值时存在不足,而且在处理存在孤立点和“噪声”时算法鲁棒性和可靠性较差.使用数据场的概念对KCN聚类算法进行了有益的改进.实验表明,改进后的算法相对于随机选取初始权值具有较高的准确率。摘要：Kohonen聚类神经网络（KCN）在处理数据集的聚类问题时具有良好的准确性．但KCN算法在随机选取初始权值时存在不足，而且在处理存在孤立点和“噪声”时算法鲁棒性和可靠性较差．使用数据场的概念对KCN聚类算法进行了有益的改进．实验表明．改进后的算法相对于随机选取初始权值具有较高的准确率．     

基于化工过程预报的模糊聚类神经网络系统

为了解决化工预报过程中的复杂问题，利用神经网络、模糊系统和演化算法等智能控制理论，提出了模糊聚类神经网络系统模型（FCNNS）。该模型的特点是利用模糊聚类算法提取典型数据，然后将典型数据送入神经网络系统进行学习产生模糊规则。该模型缩短了规则生成的时间，有效地防止了规则数爆炸，并在化工过程预报的应用中获得理想效果。     

大量和高维数据的聚类引论

聚类是一种基本的数据分析工作，它广泛地应用于各种不同的领域（如心理学、生物学、控制和信号处理、信息论等）。本书是出于信息检索，特别是大量、稀疏及高维数据的刻划等方面的实际应用的需要而编写的关于聚类技术的专著，它给出了一些经典的聚类算法，     

基于SOM网络的上市公司聚类分析

针对现有上市公司聚类模型（如传统的统计方法和近年来出现的模糊模型）实际聚类效果并不理想的问题，引入了自组织特征映射神经网络方法，为了说明该方法的可应用性，建立了上市公司聚类指标体系，并在实际数据样本的基础上，利用自组织特征映射神经网络方法对上市公司进行了分类评价．通过对其结果进行分析，证实了该方法能有效地解决这一问题．     

层次预处理的非负矩阵分解加权集成聚类算法

图像聚类是当前的研究热点，非负矩阵分解（non-negative matrix factorization, NMF）算法在图像聚类领域得到了广泛应用。但是单一的NMF算法无法应用于所有数据集，并且NMF算法直接在数据的原始空间进行处理，抗噪能力较差。集成聚类可以解决上述问题，集成聚类将若干个基础聚类结果合成一个一致性结果，不仅可以提高聚类的求解质量，还可以增强算法的鲁棒性。因此本文提出一种层次预处理的NMF加权集成聚类算法。该算法将层次划分、集成聚类和二部图的思想引入到NMF算法中。在预处理阶段，利用层次划分得到聚类数目。之后采用局部加权的方法得到协关联矩阵。最后利用基于二部图的一致性函数进行划分得到最终的聚类结果。在5个数据集上进行实验，验证了本文算法相对于传统算法和其他集成算法的有效性。     

粘度法确定高分子混溶性的叛据及其关系

对用稀溶液粘度法确定不同高分子之间混溶性的Δb判据、a判据和Δ[η]判据进行了深入的研究,发现三者虽然形式上有所不同,但是都从不同的侧面反映了不同高分子之间相互作用参数k     

不同口模直径下聚合物熔体流变特性试验研究

采用双料筒毛细管流变仪,研究了口模直径从1.5 mm减小到0.5 mm时聚苯乙烯(PS)、聚甲基丙烯酸甲酯(PMMA)、聚丙烯(PP)和高密度聚乙烯(HDPE)4种聚合物熔体的流变特性,并讨论了在口模直径为0.5 mm条件下温度对熔体剪切粘度、温度和剪切速率对熔体非牛顿指数的影响.试验结果表明,在剪切速率102～104s-1,4种聚合物熔体的剪切粘度均随剪切速率的提高而减小.PS和PMMA熔体的剪切粘度随着口模直径的减小而增大,PP和HDPE熔体的剪切粘度随着口模直径的减小而减小.随着剪切速率的提高,不同口模直径下熔体剪切粘度的差异逐渐缩小.在口模直径为0.5 mm的条件下,4种聚合物熔体的剪切粘度对温度的依赖性符合Arrhenius方程;熔体的非牛顿指数随着温度的升高而增大,随着剪切速率的提高而减小.     

血液透析膜的应用及其改性研究进展

 急慢性肾功能衰竭是致命重症.临床治疗上述疾病的方法只有两种：血液透析或换肾.目前血液透析是治疗广大急慢性肾功能衰竭患者的主要手段.在血液透析设备中,透析膜至关重要.近年来,血液透析对其用膜的要求不断提高.本文综述了透析用膜的种类及其制备工艺、改性原理及方法,详细介绍了纤维素(cellulose)、醋酸纤维素(cellulose acetate,CA)、壳聚糖(chitosan,CS)、聚砜(polysulfone,PS)、聚醚砜(poly(ether sulfone),PES)、聚丙烯腈(polyacrylonitrile)、乙烯-乙烯醇共聚物(ethylene-vinyl alcohol copolymer, EVOH)、聚甲基丙烯酸酯(poly(methyl methacrylate),PMMA)、聚乙烯醇(Poly(vinyl alcohol),PVA)等血液透析膜的优缺点.针对血液透析对其用膜要求的不断提高,提出了针对血液透析膜改性处理,提升其生物相容性、改善其透析性能及开发新型透性膜的一些措施,对新型血液透析膜的研究和开发有一定的参考价值.     

混合溶剂／高分子系统汽液平衡测定

建立了一套石英弹簧称重法测定混合剂高分子溶液汽液平衡的实验装置，实验结果表明，采用多个样品池增加溶剂吸收量、利用汽相ｐＶＴ数据测量值并结合物料衡算求得平衡时的汽液相组成的方法，可减小实验误差，汽液相的误差小于５％。用该装置测定了丁酮／甲苯／聚甲基丙烯酸甲酯（ＰＭＭＡ）和丁酮／丙酮／ＰＭＭＡ两个三元系在３０８．１５Ｋ下的汽液平衡数据。结果显示，由于甲苯的加入，丁酮在ＰＭＭＡ中的溶解性有了提高，而丁酮     

饥饿态半连续VAc/BA核壳乳液聚合乳胶粒形态的演化模拟

将乳胶粒的簇迁移理论用到新簇在种子外表面生成核壳型乳胶粒形态演化的情况,以聚醋酸乙烯酯(PVAc)／聚丙烯酸丁酯(PBA)体系的相关实验结果为例,进行了模拟计算,所得结果与实验结果相符。本文的方法适用于种子乳液聚合中第二阶段全饥饿态加料的过程。     

活性炭涂层固相微萃取进样器的评价

对研制的活性炭涂层固相微萃取进样器进行了评价。建立了活性炭涂层固相微萃取/热脱附法测定气体中苯、甲苯和对-二甲苯的方法。测定了萃取量与样品体积和组分浓度间的关系。当样品浓度≤10ng/mL时,萃取量与浓度存在线性关系,相关系数≥0.998。当采样体积≤100mL时,萃取量与样品体积存在线性关系。利用改变样品体积方法测定了组分的吸附常数,实验测定萃取量倒数与样品体积倒数之间的线性方程的相关系数≥0.997, 活性炭涂层对苯、甲苯和对-二甲苯的吸附常数分别为3.9×106,2.6×107和3.2×106。实测BTX的相对标准偏差 （RSD）≤9%,回收率≥97%, 检出限达到pg/mL数量级,对BTX的最大吸附量3μg。     

MC/PMMA核-壳复合胶粒的制备与表征

采用原位乳液聚合法制备了三聚氰胺氰尿酸盐(M C)/聚甲基丙烯酸甲酯(PMM A)复合胶粒.扫描电镜(SEM)观测、X-光电子能谱(XPS)及热重(TGA)分析结果显示,在M C颗粒表面覆盖了一层PMM A胶膜,形成了具有核-壳结构的M C/PMM A复合胶粒,TGA结果还发现,M C能影响PMM A的热降解过程并促进其成炭.     

活性碳纳米纤维对VOC的吸附性能

通过对比不同直径的活性碳纳米纤维及活性碳纤维对苯、甲苯和乙醇蒸汽的吸附等温线,研究不同直径的活性碳纳米纤维及活性碳纤维吸附挥发性有机物(VOC)气体性能的差异。经扫描电子显微镜(SEM)、X射线衍射(XRD)、X射线光电子能谱(XPS)等测试分析,结果表明:活性碳纤维直径在10μm数量级,随直径减小,纤维晶体性变差,结构无序性增大;微孔达0.4～0.8 nm时VOC气体分子更易进入与吸附位结合;活性碳纳米纤维及活性碳纤维氮吸附-脱附曲线均为Ⅰ型。故分压比低于0.01时活性碳纳米纤维对苯、甲苯和乙醇的吸附量要高于活性碳纤维的吸附量。     

溶胶-凝胶二氧化硅/聚酰亚胺固相微萃取涂层的制备及其应用

采用均苯四甲酸酐(PMDA)和4,4-二氨基二苯醚(ODA)共聚得到聚酰胺酸与四乙氧基硅烷水解产生的羟基进行缩合反应,通过硅烷偶联剂KH-550键合在石英纤维表面,经过高温制成聚酰亚胺/二氧化硅复合固相微萃取涂层。通过红外光谱、扫描电子显微镜对涂层的结构、表面形貌进行了分析。采用顶空固相微萃取-气相色谱联用法测定了水中的苯、甲苯、二甲苯,色谱峰面积与浓度的线性相关系数(r)分别为0.9934,0.9967,0.9978,最低检测限分别为0.07mg/L,0.04mg/L,0.06mg/L,相对标准偏差(n=6)分别为4.86%～5.24%,4.03%～4.16%,4.22%～4.65%。     

聚乙二醇400／吐温－80混合固定液气相色谱法分离测定苯、甲苯和二甲苯的含量

研究聚乙二醇－４００和吐温－８０混合固定液用于气相色谱分离测定苯、甲苯和二甲苯，得到合适的色谱分离条件，测定含量精度为０．１％