图形聚类算法的代谢网络模块化分析

代谢网络的研究是当今生物学研究中的新热点,使用图形聚类算法对代谢网络进行分析研究是一个有力的手段.文中提出了用图形聚类方法挖掘复杂代谢网络中蕴含的功能信息并进行模块相似性分析的方法,从系统生物学角度揭示光合作用的进化.介绍了马尔可夫聚类算法和模拟退火聚类算法两种图形聚类方法;给出了两种方法对叶绿体和蓝细菌的代谢网络进行聚类的结果;定义了模块相似度评价指标,挖掘叶绿体和蓝细菌间保守的功能模块,并对其网络结构进行了比较分析.     

聚类分析用于序列SAR干涉像对选取

该文分析了干涉像对选取过程,提出一种利用聚类分析进行序列SAR干涉像对选取的方法. 选择合适的去相干因素构建特征空间,将序列SAR影像所有干涉组合的去相干因素映射到该特征空间,从而将干涉像对选取问题转换为特征空间的聚类分析. 根据干涉像对选取原则设计合适的聚类方法对去相干因素进行聚类,聚类结果对应于符合要求的干涉像对,实现序列SAR干涉像对的选取. 实验结果表明该方法简单有效.     

基于函数型聚类方法的事件相关电位分析

研究社会决策的动态过程对理解社会决策的认知及神经机制问题起关键作用,尤其是可提高预测的准确性.通过分解决策过程中的关键成分,提高这些成分在决策过程中发生的时间(起始点)和幅度的测量是解决这一领域的关键问题.利用函数型数据聚类方法识别匹配试验条件在额叶和枕叶诱发的ERP早期成分(如)是否存在差异,分析结果显示被试在观察不同大小的图形时所诱发的ERP在成分上存在差异.     

聚类分析算法研究

聚类分析是数据挖掘的重要的组成部分,已经广泛应用于模式识别、电子商务、图像处理等领域。本文对几种主要的聚类及孤立点检测方法进行了分析研究,介绍了各种聚类方法的优缺点,并对聚类研究进行了总结。     

基于神经网络模型的聚类分析技术研究

聚类分析已成为数据挖掘,模式识别等应用领域研究中非常活跃的研究课题.在聚类分析方法中,基于神经网络的算法,由于考虑到“噪声”或异常数据,可以自动确定聚类个数,可以产生鲁棒的聚类方法,而竞争学习神经网络、SOFM神经网络方法是其中有代表性的方法,对其进行了分析研究,并给出了引入可变速度的训练算法。     

基于分层聚类的k-means算法

为了更好地实现聚类,在分析分层聚类和k-means算法优缺点的基础上提出了一种改进的聚类算法.改进算法将分层聚类和k-means聚类算法的优点相结合,首先采用分层聚类,得到一个初始的聚类结果,然后应用k-means聚类算法继续聚类.实验结果表明,改进算法较原先传统的聚类算法,不但算法执行速度快、效率高,而且聚类效果也比较好。     

基于若当标准型相关理论的 网页客户挖掘与聚类实证研究

为了对网页客户进行研究,从理论上自主构建了一套具体的分析方法.该方法将代数学知识与计算机科学知识相结合,通过进行若当标准型转化和施密特正交化,确定了网页客户的具体分类方法,同时也确定了网页客户的发展趋势.随后,将上述理论分析结果具体应用于某网站,展开基于该实证对象的网页客户挖掘与聚类研究.确定了该网站的发展趋势和聚类特性.通过近一年的应用检验,确定了理论研究和实证应用的正确性.     

基于权重的改进K-means算法应用研究

数据聚类是将数据对象划分到不同的类或簇中,是数据挖掘中的一项重要技术.教育领域拥有海量的学生信息数据,把数据挖掘中的聚类技术引入其中,具有很强的实际价值.阐述了运用数据挖掘中改进的引入权重的聚类技术对成绩数据进行选择、预处理和挖掘分析等,展示了3个Matlab实验使成绩数据如何通过K-means算法进行聚类分析,并对3种运行结果的意义各自进行了显示与分析,同时指出了运行结果的不足及意义.针对学生实验中的分类原因进行了研究并在学生成绩分析中发现很多隐含着的不易发现的有价值信息,利用这些聚类结果提出了相应的教学措施及建议,从而有针对性地提高教学质量.     

一种基于SOM和层次凝聚的中文文本聚类方法

研究了一种基于SOM（self-organizing map）和层次聚集的中文文本聚类方法，按照提出的中文聚类模型，该方法首先对文档集向量化，文档向量矩阵通过SOM训练映射到虚拟的二维空间，形成初步聚类；然后对虚拟坐标集进行二次聚类，与直接聚类方法相比，该方法提高了聚类的效果，减少了计算时间，通过数值实验对比表明该方法对中文文本聚类具有有效性。     

一种改进的K means聚类彩色图像分割方法

图像分割是从图像处理到图像分析的关键步骤.图像分割的目的是将图像分割为多个互不重叠且又各具特性的区域,主要应用于图像压缩、目标提取、模式识别等.以往的图像分割技术主要应用于灰度图像,随着计算机技术的进步,彩色图像分割逐渐受到关注.该文在前人对彩色图像分割问题的大量研究成果基础上,提出了一种将K-means聚类、蚁群算法以及分水岭算法相结合的分割方法.本方法有效的克服了聚类数目必须依据先验知识提前设定、最初的聚类中心是随机选取的、聚类的效果好坏依赖于距离判定公式的缺陷.     

由情感体验切入音乐教育的方法途径

音乐教育的重要组成部分就是情感体验,情感体验可概括为三个方面,即：音乐欣赏过程中的情感投入,音乐认知过程中的情感渗透和音乐理解后的情感迁移。     

基于时频图的跳频信号截获系统中的一种hop生成方法

针对基于时频图的跳频信号截获系统,提出了一种hop生成方法,对该方法的hop生成性能进行了分析,推导出一种计算单一真实hop对驻留时间直方图的平均贡献的有效算法(SAHADTA算法),并给出了数值计算结果.理论分析和数值计算表明,该方法在低信号检测概率条件下,仍具有较好的hop生成性能,这将为各种基于hop的聚类分析提供一个可靠的保证.     

基于人工神经网络的组合预报模型与应用

在研究铜锍吹炼实际生产过程的基础上，综合运用两种结构不同的BP神经网络与经验估算方法，建立了铜锍吹炼造铜期终点的组合预报模型；并采用模糊聚类分析法对神经网络隐含层节点数进行模糊确定，经实践证明，预报结果具有较高精度．能有效地指导生产实践．     

一种在线数据清洗方法

提出一种新的在线数据清洗方法:将确认为干净的参照表中的记录字符串映射成高维空间中的点后进行聚类划分,然后利用B+树对划分中的点进行索引从而将高维空间的查询转换成一维空间的范围查询.输入表中的元组利用索引采用分枝限界策略搜索KNN (K nearest neighbors)记录从而完成与其最匹配记录的识别.理论分析和实验表明这是一种解决在线数据清洗的有效途径.     

图象分割算法的改进研究

针对传统基于图论的图象分割方法对噪声敏感以及计算复杂度大的问题,对传统算法进行了相应的改进,综合考虑像素的灰度信息和空间位置信息,计算权函数表达式时充分考虑到节点之间及节点与区域间的空间近邻关系.对比实验表明,该算法能够有效地从背景中把目标物体分割出来,并且当目标物和背景相近时,相比其他两种算法能够去除更多背景;该算法分割结果更接近于人眼视觉特征.     

地面水质量评价计算方法的比较与分析--灰色聚类样点排序法的实证

在将等斜率灰色聚类法应用于地面水环境质量评价的基础上提出了灰色聚类样点排序法,并用灰色聚类样点排序法对实例进行水环境质量评价比较,讨论了灰色聚类样点排序法在权重处理过程的可行性.认为灰色聚类样点排序法兼顾到1)各测点的实测污染浓度都在级别标准范围内较有规律地变化,各污染物的标准值之间差异不太大;2)污染物分布的离散度太大,各标准值之间差别也太大这两种情况.     

基于深度学习的竹笛吹奏技巧自动分类

提出了一种针对竹笛技巧分类的数据集Breath和两个用于竹笛技巧分类的神经网络参考模型Breath1d和Breath2d，并针对此数据集的不同分类任务给出了最佳方法。将Breath数据集划分成子集，以多层感知机为性能评价基准方法，先用Breath1d和Breath2d模型对子集进行训练和预测，再用长短期记忆网络模型进行辅助测试，最后得出了最适合子任务的分类参考模型。对全数据集进行分类时，将Breath2d与Breath1d模型进行融合，并采用数据增强方法使全集分类准确率达到0.913。与传统音频分类任务相比，该工作扩展了音乐分类的研究领域，对民族音乐现代化发展有着良好的推动作用。     

健美操动作节奏与音乐的探讨

健美操动作具有强烈的节奏性,是通过音乐充分地表现出来.因此音乐是健美操运动不可缺少的组成部分.音乐是健美操练习的口令,是运动的节拍,音乐对健美操练习起重要的支配作用.音乐的旋律、速度能使健美操练习更具有感染力.健美操运动之所以深受人们的喜爱,很重要的因素之一是现代音乐给健美操带来了活力.