课堂教学评估的灰色聚类模型

本文将灰色系统理论的方法应用于课堂教学评估.在定义了指标的诸如白化权函数等概念的基础上,得到了一个教学评估的灰色聚类数学模型,为此类问题提供了另外一种解决途径.     

利用连续Hopfield神经网络求解聚类问题的模型构造

在给出有中心聚类问题的数学描述后,把聚类问题转化为组合优化计算问题。利用连续Hopfield神经网络的优化计算能力,设计并构造了基于连续Hopfield神经网络求解聚类问题的模型。详细描述了模型的网络映射过程、推导了模型的状态转换方程以及能量函数,并通过引入竞争机制简化了状态转换方程和能量函数的迭代形式,最终给出了所构造模型的收敛性证明。同时通过在图像压缩编码中的应用验证了该模型的有效性和合理性。     

有色非高斯数据PSD/PDF建模的MLE/DC方法

AR模型、混合高斯模型分别可以很好地拟合样本的功率谱和概率密度。AR模型参数估计可以使用最大似然估计法(MLE);而在各高斯分量概率密度互不重叠的条件下,使用动态簇算法(DC)则可快速而精确地估计出混合高斯模型参数。使用MLE/DC参数估计方法,并在两种方法间建立一定耦合,即可对有色非高斯数据进行准确的功率谱和概率密度建模,进而实现数据的预白与高斯化。     

可数紧性的等价命题

给出了可数紧性的3个等价命题.     

模糊聚类算法在Web信息搜索中的应用

随着Internet的普及，Web信息量爆炸性的增长，数以亿计的Web页面形成了内容丰富而庞杂的WWW资源，如何从海量的数据中高效、高质量地检索到用户所感兴趣的信息资源是当前我国Internet资源挖掘的热点问题之一. 将基于模糊逻辑的聚类算法FK prototype引入到Web信息搜索中,改良了传统方法一刀切的 分类处理方式，从而有效地提高了Web文档的检索质量.     

A Throughput-Driven Scheduling Algorithm of Differentiated Service for Web Cluster

Requests distribution is an key technology for Web cluster server. This paper presents a throughput-driven scheduling algorithm （TDSA）. The algorithm adopts the throughput of cluster back-ends to evaluate their load and employs the neural network model to predict the future load so that the scheduling system features a self-learning capability and good adaptability to the change of load. Moreover, it separates static requests from dynamic requests to make full use of the CPU resources and takes the locality of requests into account to improve the cache hit ratio. Experimental re suits from the testing tool of WebBench^TM show better per formance for Web cluster server with TDSA than that with traditional scheduling algorithms.     

Selections of data preprocessing methods and similarity metrics for gene cluster analysis

Clustering is one of the major exploratory techniques for gene expression data analysis. Only with suitable similarity metrics and when datasets are properly preprocessed, can results of high quality be obtained in cluster analysis. In this study, gene expression datasets with external evaluation criteria were preprocessed as normalization by line, normalization by column or logarithm transformation by base-2, and were subsequently clustered by hierarchical clustering, k-means clustering and self-organizing maps (SOMs) with Pearson correlation coefficient or Euclidean distance as similarity metric. Finally, the quality of clusters was evaluated by adjusted Rand index. The results illustrate that k-means clustering and SOMs have distinct advantages over hierarchical clustering in gene clustering, and SOMs are a bit better than k-means when randomly initialized. It also shows that hierarchical clustering prefers Pearson correlation coefficient as similarity metric and dataset normalized by line. Meanwhile, k-means clustering and SOMs can produce better clusters with Euclidean distance and logarithm transformed datasets. These results will afford valuable reference to the implementation of gene expression cluster analysis.     

聚类分析在地区科技进步统计监测中的应用

该文运用多元统计分析方法，通过建立优化准则，对地区科技进步统计监测模型进行了降维优化处理。经检验，降维后的新指标体系对原指标体系具有良好的替代性，从而给出在综合评价中经常遇到的由大量指标构成的模型进行优化的一种方法。该方法有助于提高综合评价建模的科学性、简明性和实践运用的可操作性。     

图文文档摹本识别的一种统计方法

提出了一种使用聚类分析对批量到达的图文文档进行摹本识别的方法。首先把已读入计算机的单页图文文档转换为单色位图，给出若干互不相交的同心圆盘（圆盘的中心按页的边缘计算），计算出各轴像素密度（各圆环内“on”象素的个数）作为图形的特征向量，在页面的特征向量之间，建立一种距离，再进行聚类分析以识别文档的摹本，对从网下载的批量图形文档利用MATLAB进行多次仿真实验结果，单页文档的正确识别率达到了85％－98％。     

群论在过渡金属原子簇成键能力中某些应用的初步研究

分子的对称性严格精确地决定了分子可能具有的能级数目和类型．在对称性方法的某些应用中,以三核金属原子簇(M3金属原子簇)为例,结果表明,24个“簇价分子轨道”(CVMO)共拥有48个“簇价电子”(CVE)．