最小一乘下的PP k－聚类

研究了最小一乘下的ＰＰｋ－聚类问题，给出了相合性，得到了与最小二乘情形下类似的结论。     

用数组嵌套对组平均聚合分类的一种算法的实现

在组平均聚合分类的一种算法中涉及的二叉树的运算，不用指针数据结构，而用数组嵌套进行编程的方法，适用于各种高级语言。文中给出了算法和程序。     

Reliability Analysis of Sensor Networks

To Integrate the capacity of sensing, communication, computing, and actuating, one of the compelling technological advances of these years has been the appearance of distributed wireless sensor network （DSN） for information gathering tasks. In order to save the energy, multi-hop routing between the sensor nodes and the sink node is necessary because of limited resource. In addition, the unpredictable conditional factors make the sensor nodes unreliable. In this paper, the reliability of routing designed for sensor network and some dependability issues of DSN, such as MTTF （mean time to failure） and the probability of connectivity between the sensor nodes and the sink node are analyzed. Unfortunately, we could not obtain the accurate result for the arbitrary network topology, which is # P-hard problem. And the reliability analysis of restricted topologies clustering-based is given. The method proposed in this paper will show us a constructive idea about how to place energyconstrained sensor nodes in the network efficiently from the prospective of reliability.     

数据挖掘技术在入侵检测中的应用

阐述了入侵检测和数据挖掘技术,并介绍了数据挖掘技术在入侵检测系统中的应用。     

基于Web日志的匿名网络用户聚类研究

该文探讨了从Web日志中提取匿名网络用户会话信息的方法以及会话向量的表述形式，并利用网页的层次性减少会话向量的维数，确定了用户会话之间的相似度的计算公式，最后采用leader层次聚类算法完成匿名网络用户会话聚类。实验结果表明，这种方法是高效可行的，可以较好地解决扩展性和动态聚类等问题。     

基于模糊聚类的学术期刊数据挖掘算法

提出了一种新的文档特征提取方法，将关键字通过文档的题名、摘要进行映射扩展，并对关键字的出现位置进行加权，不仅解决了维度偏高的问题，而且突出了重点特征词，提高了聚类的速度和精度。     

煤与瓦斯突出预报数据关联性的聚类分析

合理地选择突出控制因素是进行突出预测的关键技术之一．首先给出了基于系统聚类的突出预报数据关联性分析方法，通过DB Index准则判断聚类模型的有效性．然后研究了煤与瓦斯突出控制因素的选择规则．最后以平顶山煤矿为例，分析了该矿突出预报数据间的关联性，得到了相应的变量聚类树，并选择了主要的突出控制因素．仿真结果验证了所提出的突出控制因素选择方法的合理性和有效性．图2，表3，参11．     

基于灰云的改进白化模型及其在灰色决策中应用

针对传统的灰色决策中白化函数在处理复杂决策问题时的缺点,研究了基于灰云的改进的白化模型及其决策应用。首先概述了传统的白化模型及其缺点,提出了一种集成灰性和随机性的灰云模型,给出了灰云数字特征和正态灰云模型生成方法;然后给出了替代传统的白化函数的基于灰云的灰数白化模型;最后给出了基于正态灰云的灰数白化模型在灰色聚类决策中的应用,并通过实例验证了该方法的有效性。     

空间聚类算法中的K值优化问题研究

在典型的空间聚类算法K-平均法和K-中心法中,K一般为用户事先确定的值,然而,实际中K值很难被精确地确定,往往表现为一个模糊的取值区间。在此提出距离代价函数的概念,建立了相应的数学模型并设计了一个新的K值优化算法,对空间聚类K值优化问题进行了初步的研究。     

基于多维伪F统计量的基因表达动态聚类分析方法研究

K-均值聚类分析算法是一种广泛应用于基因表达数据聚类分析中的迭代变换算法，它通过指定类别数K-基于给定的聚类目标函数，并采用迭代更新的方法，使得最终的聚类结果的目标函数值为极小值，达到较优的聚类效果。针对K-均值聚类分析算法存在参数依赖性强，且在整个聚类过程中类的数目无法改变的缺点，引入动态调整聚类个数的思想和多维伪F统计量，提出了一种基于多维伪F统计量的基因表迭动态K-均值聚类算法。实验结果表明该算法可以动态调整聚类个数，给出最佳聚类数目，从而获得较好的聚类质量．