Combined Density-based and Constraint-based Algorithm for Clustering

We propose a new clustering algorithm that assists the researchers to quickly and accurately analyze data. We call this algorithm Combined Density-based and Constraint-based Algorithm （CDC）. CDC consists of two phases. In the first phase, CDC employs the idea of density-based clustering algorithm to split the original data into a number of fragmented clusters. At the same time, CDC cuts off the noises and outliers. In the second phase, CDC employs the concept of K-means clustering algorithm to select a greater cluster to be the center. Then, the greater cluster merges some smaller clusters which satisfy some constraint rules.Due to the merged clusters around the center cluster, the clustering results show high accu racy. Moreover, CDC reduces the calculations and speeds up the clustering process. In this paper, the accuracy of CDC is evaluated and compared with those of K-means, hierarchical clustering, and the genetic clustering algorithm （GCA）proposed in 2004. Experimental results show that CDC has better performance.     

一种基于改进径向基神经网络的人脸图像识别方法

常用于径向基神经网络中心参数学习的K-均值聚类算法,易受初始参数选取的影响而收敛于局部极小值.将自动终止聚类判据的减聚类算法用于径向基网络的学习,可根据样本集确定径向基函数数目,且其计算量与数据点的数目与考虑问题的维数无关,很适合于人脸这种维数较高的模式.实验证明,应用这种算法训练径向基神经网络识别人脸,从识别精度到识别速度上都优于传统算法.     

浅议常规三轴试验及其参数指标的选用

本文通过对常规三轴试验的具体介绍,根据试验条件和实际工程情况,分析了试验参数指标的选用及试验方法的适用范围,同时,针对试验条件和常规三轴仪对影响抗剪强度的因素进行了具体分析.     

含不同侧氨基密度的PLGA-（ASP—Diol）-PLGA共聚物合成与表征

以N-（苄氧羰基）-L-天冬氨酸和亚硫酰氯反应制备了N-苄氧基天冬氨酸酐，然后将其与不同链长的二醇（Diol：乙二醇、二缩三乙二醇、聚乙二醇200和600）缩聚，合成含端羟基的天冬氨酸-二醇交替预聚物[ASP—Diol]；分别以它们为大分子引发剂，辛酸亚锡为催化剂进行丙交酯／乙交酯（LA/GA：75／25）开环共聚，合成系列含侧氨基的天冬氨酸-二醇-聚乙丙交酯[PLGA-（ASP—Diol）一PLGA]多元三嵌段共聚物。利用FTIR、1HNMR、EA、DSC和GPC对共聚物结构进行了表征。结果表明，影响预聚物分子量的主要因素不是二醇的分子量，而是其端羟基的活性。但随着二醇链段长度增加，多元共聚物中氨基含量降低，玻璃化温度也明显下降。因此，通过改变二醇链段的长度（或分子量）可以有效控制PLGA-（ASP—Diol）-PLGA中侧氨基的密度及分布。     

Identify Implicit Communities by Grap Clustering

How to find these communities is an important research work. Recently, community discovery are mainly categorized to HITS algorithm, bipartite cores algorithm and maximum flow/minimum cut framework. In this paper, we proposed a new method to extract communities. The MCL algorithm, which is short for the Markov Cluster Algorithm, a fast and scalable unsupervised cluster algorithm is used to extract communities. By putting mirror deleting procedure behind graph clustering, we decrease comparing cost considerably. After MCL and mirror deletion, we use community member select algorithm to produce the sets of community candidates. The experiment and results show the new method works effectively and properly.     

The glass transition temperature and microstructure of polyurethane/epoxy resin interpenetrating polymer networks nanocomposites

GLASS TRANSITION TEMPERATURE (TG) HAS BEEN EXTEN- SIVELY STUDIED FOR MANY POLYMERS SINCE IT IS ONE OF THE MOST FUNDAMENTAL FEATURES RELATIVE DIRECTLY TO POLYMER PROPERTIES. IN GENERAL, INORGANIC NANOFILLERS DO NOT DI- RECTLY CONTRIBUTE TO THE TG OF THE MA…     

基于小波变换和模糊聚类的自适应水印嵌入方法

利用人类视觉系统(HVS)的掩蔽效应和小波多分辨率分析的特点,作者提出了一种通过在图象的小波域的细节部分进行模糊聚类来寻找适合嵌入水印的位置,再用隶属度作为嵌 入强度来嵌入水印的新的数字水印嵌入算法.实验表明该方法能在保持图象质量的前提下提高水印的鲁棒性.     

一种基于关联规则的搜索引擎结果聚类算法

提出一种搜索引擎结果的聚类方法，采用关联规则方法确定网页文档中的显著短语，并把这些显著短语作为对相应聚类的描述，聚类中包含的文档就是显著短语所关联的文档，然后对形成的聚类按照相关度分数进行排队，最终把结果展现给用户.     

基于互信息的粗糙集信息检索模型

在信息检索过程中，由于文档中存在大量的多义和近义现象，导致不确定性出现，这将影响检索的性能.为此采用基于互信息的粗糙集理论来处理这类不确定性问题.首先计算训练文档集中的词之间的互信息，对互信息做模糊聚类来构造词之间的等价关系，然后借助于该等价关系提出并实现了一个以粗糙集上下近似为基础的信息检索模型，通过实验的测试，该模型能够提高信息检索的效率.     

基于模糊划分的神经网络集成

基于模糊聚类思想,提出了一种神经网络集成方法.由训练数据的模糊聚类结果,把训练数据划分成相交子集,基于各子集生成集成的个体神经网络.由于各子集所包含的数据和数据的类别各不相同,因而个体神经网络性能和结构存在差异.子集个数确定集成中个体神经网络个数.另外,基于隶属度函数计算公式,提出了个体神经网络输出结论结合方法.理论分析和实验结果表明,此方法对模式分类能取得较好的效果.