一种基于自组织分级聚类的数据挖掘方法

针对传统自组织聚类方法处理数据在多维空间中存在多样性和从基本或低层次概念上发现强关联规则中的不足，提出了一种基于自组织分级聚类的数据挖掘方法．该方法采用最大似然分类自组织特征网络（MAXNET）聚类过程，利用自下而上聚合层次聚类方法，对有畸变的二值化输入模式作最大似然分类．最后对一个销售电脑商场中，与任务相关的交易数据集进行了分析，描述了从低层次概念到高层次概念的相互关系．并用matlab仿真软件把该方法和传统方法进行比较，表明了该方法的有效性．     

凯氏聚缩虫(Zoothamnium kentii Grenfell,1884) 形态学及表膜下纤维系统的研究

利用活体观察和蛋白银染色技术对凯氏聚缩虫的形态学和表膜下纤维系统进行了研究．该种的主要鉴别特征为：群体呈不规则的双叉型分支；个员完全伸展时宽钟形，体长60-80μm，体宽40-50μm，口围盘宽40-50μm；伸缩泡单一，顶位；大核“C”形，横位；P2和P3终止后P1继续向胞口的深处延伸，但末端较为平直并不发生明显的弯曲，三列毛基索在终止处向外分散；口围盘纤维碟状；纵长纤维较粗，整体呈现网状．     

端羟基聚d,l-乳酸及d,l-乳酸-ε-己内酯共聚物预聚体的合成

文中研究了端羟基聚d,l-乳酸及d,l-乳酸-ε-己内酯共聚物预聚体的合成方法以及反应温度、单体比、催化剂用量等对预聚体结构的影响.结果表明预聚体合成的最佳反应条件为:n(LA)/n(CL)=8/2,θ=195℃,催化剂质量分数0.3%,还原剂质量分数0.1%,总反应时间31 h.在该反应条件下可合成出结构明确、酸值较为理想、可满足进一步扩链要求的端羟基预聚体.并用羟值分析和GPc等对产物进行了表征.     

用原子吸收光谱法测定交联聚合物中的铬含量

用原子吸收光谱法直接测定了聚丙烯酰胺中的铬含量 ,并对影响铬测量值的因素进行了分析。实验结果表明 ,加入交联剂可有效地提高聚合物溶液的粘度 ,改善聚合物的抗温、抗盐、抗剪切的性能 ,从而提高聚合物驱油效果。对空白试剂进行了考察 ,该测量方法的相对标准偏差为 2 .3% ,试样加标回收率达到 95 %～ 10 5 %。铬的检出限为 0 .0 16mg/L。实际测定了不同浓度聚丙烯酰胺中的铬含量 ,测量结果的相对误差小于 1%。     

基于信息熵识别油气层和水层的聚类方法

简要地介绍了不确定性、信息熵、联合熵、条件熵、互信息的基本概念。将地层含有某种流体属性(如油层)的特征参数的概率分布应用于联合熵中,提出其概率分布是特征参数X与流体的特征参数Y的距离函数,再用熵与条件熵之差计算得到的互信息去识别地层的流体属性,即提出了基于信息熵识别油气层和水层的聚类方法。利用实际测井资料提取了油气层和水层的特征参数,并利用聚类方法识别出油气层和水层。识别结果与试油结论相符。该聚类方法不仅可用于识别油气层和水层,还可推广应用于划分地层岩性等领域。     

基于扫描线种子填充的二值图像聚类算法

提出了一种基于扫描线种子填充的二值图像快速聚类算法 .该算法步骤为 :对二值图像进行扫描 ,如果检测到了目标点 ,则将该点作为新的聚类的种子 ,将该种子扩展到整个目标区域 ,形成一个包含目标区域的聚类 .该算法的特点为 :只需一次扫描即可动态生成所有聚类 ,聚类总数动态生成 ,每一时刻只有一个聚类被处理 ,可提前进行一些后续处理 ,算法描述简单 ,易于编程实现 .     

基于核最小二乘回归子空间分割的高维小样本数据聚类

针对基于线性表示理论的子空间分割方法没有考虑高维小样本数据的非线性性质,借鉴核理论,提出核最小二乘回归子空间分割方法,使子空间分割方法适合高维小样本数据的非线性性质.经6个基因表达数据集和4个图像数据集上的实验,表明该方法是有效的.     

萘对铜绿微囊藻和聚球藻生长及叶绿素荧光影响的比较

为探究萘对不同粒径蓝藻的胁迫效应,采用5组不同质量浓度萘(0、0.01 mg/L、0.1 mg/L、1 mg/L、10 mg/L)分别对聚球藻(Synechococcus sp.)和铜绿微囊藻(Microcystis aeruginosa,PCC7806)进行为期7 d的处理,分析不同浓度萘处理下,藻细胞浓度、叶绿素a含量及叶绿素荧光参数的变化,探究不同浓度萘处理对2种藻的生长及生理影响。结果表明:(a)整个处理周期内,聚球藻的生长被显著抑制,其叶绿素a含量减小了3.9%~40.4%;(b)聚球藻的潜在光合作用能力、光合作用速率均有所减弱,但其耐受强光的能力有所增强,说明聚球藻对萘具有较强的敏感性;(c)萘对铜绿微囊藻生长具有显著的促进作用,增强了其潜在光合作用能力,但抑制了其细胞内叶绿素a的合成。     

基于改进模糊C均值聚类的弥散张量成像图像分割

为了避免随机选取初始聚类中心点的缺陷,利用最大最小距离的方法确定初始聚类中心点.实验结果表明,和传统的模糊C均值聚类(FCM)算法相比,所提聚类算法具有较高的稳定性和准确性,所分割的胼胝体图像边缘信息更加清晰.     

交通控制子区划分方法研究

交通控制子区划分主要将相邻的众多交叉口划分为若干个交通子区进行干线协调控制,可有效缓解交通拥堵现象,但现有方法划分出的交通子区无法满足实际协调控制的准确性与鲁棒性。为解决这一难题,结合当前流行的划分技术,考虑4个影响因素:信号交叉口间距、交通流量、周期、通行能力,建立模糊C均值聚类划分方法,再通过实例,借助Vissim仿真软件,验证方法的适用性与可行性。Vissim仿真结果表明:与传统协调控制方法相比,方法可使系统车均延误时间减少27%,协调相位行车时间减少20%。