基于区间值的模糊聚类分析

分析了原有模糊聚类分析中存在的问题，提出了基于区间值的模糊聚类分析方法．该方法用区间值表示各个对象对于每个因素状态的隶属度，在获取了每个对象对于每个因索的特征值后，将其转化为[0，1]上的区间，然后直接在区间的层次上求各个对象间的相似度，在如此求出的相似矩阵的基础上，直接得出聚类的结果．该方法用区间值表示各个对象的属性值，可以更接近于每个对象的客观、真实情况，从而可以更大程度上保留信息．     

模糊聚类的一次定位算法

相似矩阵的传递闭包是模糊聚类的重要方法,根据在求相似矩阵的等价矩阵中取大取小运算的特征,得出相似矩阵的上三角形中的任一元素值在其等价矩阵中出现的位置,由计算过程中,当前比它大或等于的元素所在位置决定。在此基础上,将上三角形中的所有非零元素按降序排序,从第二个元素开始,按顺序计算每个元素可传递到的位置,得所求的等价矩阵。这种通过一次计算可得等价阵的最终结果的算法称为一次定位法。该算法的时间复杂度小于等于n平方级,空间复杂度为n平方级。     

PBNA： An Improved Probabilistic Biological Network Alignment Method

Biological network alignment is an important research topic in the field of bioinformatics. Nowadays almost every existing alignment method is designed to solve the deterministic biological network alignment problem.However, it is worth noting that interactions in biological networks, like many other processes in the biological realm,are probabilistic events. Therefore, more accurate and better results can be obtained if biological networks are characterized by probabilistic graphs. This probabilistic information, however, increases difficulties in analyzing networks and only few methods can handle the probabilistic information. Therefore, in this paper, an improved Probabilistic Biological Network Alignment（PBNA） is proposed. Based on Iso Rank, PBNA is able to use the probabilistic information. Furthermore, PBNA takes advantages of Contributor and Probability Generating Function（PGF） to improve the accuracy of node similarity value and reduce the computational complexity of random variables in similarity matrix. Experimental results on dataset of the Protein-Protein Interaction（PPI） networks provided by Todor demonstrate that PBNA can produce some alignment results that ignored by the deterministic methods, and produce more biologically meaningful alignment results than Iso Rank does in most of the cases based on the Gene Ontology Consistency（GOC） measure. Compared with Prob method, which is designed exactly to solve the probabilistic alignment problem, PBNA can obtain more biologically meaningful mappings in less time.     

伴随矩阵的性质及其应用

讨论了矩阵的伴随矩阵在对称、反对称、正定、正交、相似和特征值等方面的性质及其在线性代数解题中的应用.     

相似族矩阵可对角化的一个充要条件

通过引入循环矩阵自身所具有的特性,研究了相似族矩阵的对角化问题,给出了相似族矩阵可对角化的一个条件.     

一种新的WEB机器翻译模型

针对现有的网络机器翻译模型存在翻译准确率和实时性较差等问题,本文在Web2.0的交互式理念基础之上,提出了一种新的网络翻译模型.数据测试结果表明,相比于传统的网络翻译模型,新模型具有更高的准确性和实时性.     

多值RS理论中属性约简的另一种算法

基于信息论对多值信息系统中属性重要性的度量,运用分辨矩阵的若干性质,定义了新的分辨相似矩阵,使多值RS理论中属性约简和求核过程更简化.而且相应算法可以有效地减少属性约简算法的计算量,最后给出了该算法的时间复杂度分析,并举例说明了该算法能得到信息系统的最小约简.     

一种新的不完备信息系统属性约简算法

针对不完备信息系统提出一种基于粗糙集理论的属性相对约简方法。利用粗糙集等价关系的扩展,即容差关系为基础提出容差关系相似矩阵的概念,通过引入广义决策函数的限制来解决不完备信息系统约简的不一致性问题,通过容差关系相似矩阵求不完备信息系统的核属性,利用属性在容差关系相似矩阵中出现的频率给出了属性重要度的计算公式,利用属性重要度为约简的启发式规则,并运用折半启发式算法减少扩展次数,提高约简速度。实验表明该方法简单、有效。     

关于矩阵的Kronecker积的一些性质

在矩阵的Kronecker积的相关性质的基础上,笔者较系统地论述了关于幂等矩阵、非负矩阵、上三角阵、正规矩阵、反Hermite矩阵等的Kronecker积的相关性质,探讨了关于Kronecker积的迹数、正定性、相似性、共轭合同等问题以及Kronecker积的广义逆的运算法则.     

模糊聚类分析在员工销售业绩评估中的应用

该文选取国内某品牌化妆品公司8个销售员销售业绩的相关数据作为统计指标,利用最大最小法建立相似矩阵,用闭包法做出聚类分析.结果表明模糊聚类分析对员工销售业绩评估科学合理,符合实际,对公司掌握员工销售情况有很大帮助.