基于模糊c均值聚类的多模型软测量建模

根据几个模型相加可提高模型的预测精度及鲁棒性的思想,提出了一种非线性软测量建模的新方法。即先用模糊ｃ均值聚类将训练集分成具有不同聚类中心的子集,每一子集用ＲＢＦ网络或部分最小二乘法进行训练得出子模型,再用模糊聚类后产生的隶属度将各子模型的输出加权求和得到最后结果,此算法通过一个复杂非线性函数的仿真建模和一个分馏塔柴油倾点软测量建模的工业实例研究,结果表明比其它算法具有更好的泛化结果和预报精度,具有     

基于蚁群聚类算法的模糊神经网络

提出了一种基于蚁群聚类的模糊神经网络算法，神经网络采用RBF网络结点结构，聚类采用二级结构蚁群聚类算法作为一级聚类而模糊C-均值聚类(FCM)用于二级聚类。将上述聚类方法用于模糊神经网络构建中，仿真结果表明具有并行实时性、聚类能力强的特点。     

乙酰化生物学研究进展

在网络节点数量不断增加的情况下,JXTA基于洪泛的路由策略会使得网络中出现很多冗余的数据包,致使网络拥塞、路由效率低下,难以适应复杂的网络环境。结合蚁群算法和随机游走算法提出了一种动态路由算法,该算法对路由解析请求信息的转发规则做出改变,减少路由解析请求信息的转发数量,从而对JXTA的路由策略进行改进。利用Peersim网络模拟器进行了网络仿真实验,实验结果表明改进的路由算法可以明显减少冗余数据包的数量,有效提高了JXTA网络的路由效率。     

科技期刊互引关系研究-Kohonen神经网络和系统聚类法应用比较

用Kohonen神经网络法和系统聚类法研究期刊间的引用关系,借以探索学科间的内容联系,比较两种方法的应用效果。本研究从期刊引文报告(JCR)2002年光盘版中选取生物医学范畴的心血管、细胞生物、遗传、内科、外科和综合医学类期刊59种。构建59种期刊间的互引矩阵,用Kohonen神经网络法和系统聚类分析法分别进行处理。选用软件是STATISTICS Neural Networks(Version 4.0)和SPSS 11.5。得到两法的聚类结果图,期刊的聚类现象呈现出学科间的联系。两种方法均适用于利用期刊互引矩阵行期刊聚类,从而显示出学科间的交叉渗透关系。相对来说,Kohonen神经网络法的聚类结果更为客观精确。     

肿瘤领域关键词共现网络聚类方法研究

在共词计算基础上引入两步聚类算法,设计术语遴选、两步聚类和评价迭代聚类流程。以肿瘤领域术语为例构建共现矩阵和关系网络,采用两步聚类法进行自动聚类和实证研究,对其区分度进行评测。实验结果表明该方法聚类效果较好。     

聚类分析和蒙特卡洛法在医学研究中的应用(摘要)

聚类分析聚类分析又称集群分析,它是研究“物以类聚”的一种数学方法。它可将一些观察对象,根据某种特征加以归类,也可以将观察指标加以归类。现已在生物和医学的分类中广泛的应用。本文介绍了相似系数和距离二种聚类标志和四种不同聚类方法:即系统聚类法、逐个聚类法、有序样品聚类法以及建立在模糊数学基础上的模糊聚类法。     

基于改进的GHSOM聚类算法的图像检索

传统的图像检索需要顺序比较图像库中的图像与请求图像的相似度,检索速度和检索准确度都很低。针对此问题,提出了一种基于改进的增长型分层自组织映射网络（GHSOM）的图像检索方法。先将图像特征库用改进的GHSOM算法进行聚类,在图像检索时先在GHSOM网络模型上找到相似的类,然后在相似的类上继续进行检索,大大提高了检索效率。并且在搜索相似的类时充分利用GHSOM网络的分层结构,更进一步地提高了检索效率。改进的GHSOM网络根据算法的特点构建了赤迟信息量（AIC）准则,用该准则来选择每个独立的SOM网络的生长参数,使得每个网络都能正确地表达映射到它的数据集的结构,提高GHSOM网络的聚类效果,从而提高检索的准确性。实验结果表明,改进的GHSOM算法得到了更好的聚类效果,基于它的图像检索方法提高了将近3倍的图像匹配速度,同时图像检索准确率也得到了一定程度的提高。     

基于复杂网络技术的冠心病患者四诊信息分布模式的研究

目的探讨冠心病患者四诊信息的复杂网络分布模式,为临床辨证分型研究提供新方法、新思路。方法以1 480例经冠状动脉造影确诊为冠心病患者的70项四诊信息作为数据来源,采用互信息关联方法构建70个节点之间的关联关系,应用Pajek 2.0软件绘制四诊信息复杂网络的可视化图,包括不同类别节点图、不同大小节点图和k-核心网络图,计算网络各属性指标,进行网络的评价及四诊信息分布模式意义的挖掘。结果 70项四诊信息中的47项作为节点参与网络的形成,其余23项为孤立点。度值较大的"倦怠乏力""健忘"和"腰膝酸软"形成网络中心,周围辐射状依次排列着反映气虚、阴虚、血瘀、痰浊、阳虚、热蕴、气滞、脾虚的四诊信息节点的组合网络。由聚类系数为1的节点的"邻居"组成的四诊信息群可能是某种证型的特异性反映。k-核心网络结果提示:四诊信息5-核心网络主要涵盖气虚、气滞、阴虚、阳虚、血瘀5种证型。结论复杂网络分析技术为中医四诊信息分布模式的研究提供了有效的分析方法,具有一定的应用前景。     

细乳液法制备聚硅氧烷-Ag纳米复合微球及其抗菌性

模糊建模是一种有效的非线性系统建模方法,因为非线性系统的复杂性,仍有很多问题难以处理。针对T-S模糊模型,提出了一种改进的建模及优化方法。首先,将快速搜索密度峰聚类和模糊C均值聚类(FCM)算法相结合,使用快速搜索密度峰聚类算法找到聚类个数和初始聚类中心后,再用FCM算法进行聚类;然后,通过最小二乘法辨识结论参数得到初始T-S模糊模型,使用改进的差分进化(DE)算法整体优化模型的结构和参数,获得最终的T-S模型;最后,选择代表性实例,使用MATLAB程序进行仿真分析和比较,验证了本文方法能有效提高T-S模糊模型的辨识精度和速度。     

基于小波去噪的基因表达数据聚类集成算法的研究

目的:为基因表达数据的聚类提供方法学参考.方法:提出了一种小波去噪与模糊聚类集成算法结合起来进行聚类的新算法对酵母细胞的基因表达数据进行聚类,并同模糊聚类集成算法进行比较分析.结果:采用Micro-precision方法对新算法和模糊聚类集成算法进行评价.结果表明本文提出的算法具有较高的聚类精度,并且聚类精度高于模糊聚类集成算法.结论:利用本文提出的算法对基因表达数据具有较好的聚类效果.     

基于实验均方误差F值的基因表达数据最佳聚类评判方法研究

目的 近年来产生了一些用于分析基因表达数据的聚类算法，却很少有关于评价聚类算法方法的研究。本研究的目的是尝试建立一个定量的评价基因表达数据聚类结果的方法。方法 本研究提供了一个系统的评价聚类结果的方法，利用我们提出的实验均方误差F值对几个常见的聚类算法进行比较。结果 利用F值对类质量的评价和利用已有的生物学知识对类进行分析的结果一致。结论 实验均方误差F值可以定量地评判用于基因表达数据的聚类算法。     

Improved Fuzzy Clustering Algorithms in Segmentation of DC-enhanced breast MRI

Segmentation of medical images is a difficult and challenging problem due to poor image contrast and artifacts that result in missing or diffuse organ/tissue boundaries. Many researchers have applied various techniques however fuzzy c-means (FCM) based algorithms is more effective compared to other methods. The objective of this work is to develop some robust fuzzy clustering segmentation systems for effective segmentation of DCE - breast MRI. This paper obtains the robust fuzzy clustering algorithms by incorporating kernel methods, penalty terms, tolerance of the neighborhood attraction, additional entropy term and fuzzy parameters. The initial centers are obtained using initialization algorithm to reduce the computation complexity and running time of proposed algorithms. Experimental works on breast images show that the proposed algorithms are effective to improve the similarity measurement, to handle large amount of noise, to have better results in dealing the data corrupted by noise, and other artifacts. The clustering results of proposed methods are validated using Silhouette Method.     

基于聚类优化算法的中医治疗高血压用药规律分析

在介绍几种聚类算法概念的基础上,提出优化的K-means算法,将其用于分析2000条中医治疗高血压临床数据,得到不同的证候所对应的8种用药组合。结果显示优化后的K-means算法在保证聚类质量的前提下,提高了算法运算速率,在性能上有显著的优越性。     

基于谱聚类特征向量分析的模态划分方法

在实际生产过程中,过程数据的多模态特性会对数据建模产生一定的影响,进行模态划分有利于获取精确的模型。目前常用的模态划分方法,如k-means、c-means等聚类方法,在有过渡过程的模态划分应用中,有时不能得到理想的结果。本文提出了一种通用的模态划分方法,以谱聚类算法中相似矩阵的特征向量分析为基础,基于相似矩阵的特征向量与其所包含的聚类信息的关系,使用高斯曼哈顿距离构造模态标签,并用小窗口思想实现动态多模态过程的模态划分。通过对稳态与带过渡过程的多模态数据的实验验证了该算法的有效性。     

基于递推正交最小二乘的RBF网络结构优化

讨论了次胜者受罚的竞争学习规则,提出了基于最小二乘（OLS）递推算法,采用改进的Givens旋转变换技术避免了大型矩阵的QR分解运算。在满足系统测量精度条件下,使用反向优选算法优化RBF网络结构。仿真结果表明,所得算法能有效地解决网络学习隐层单元的确定需要人介入的问题,适用于非线性系统的建模。     

基于变精度粗糙-模糊集模型的诊断知识获取

提出一种基于变精度粗糙-模糊集模型的诊断知识获取算法,利用相似性聚类方法自动获取模糊隶属函数,将连续属性表示成模糊值,通过定义模糊相似关系和模糊相似类给出了变精度粗糙-模糊模型的近似表示,并引入蚁群算法求取模糊相似关系下的属性约简,进行诊断知识的获取。将其应用于精对苯二甲酸生产过程尾氧浓度故障诊断知识获取中,结果表明:该算法可以从故障数据中提取更客观有效的诊断规则,在实际故障诊断中具有很好的应用价值。     

基于聚类分析的网络流量高斯混合模型

基于聚类算法对数据对象多个属性综合聚类的特点,研究网络流量的GMM模型及其在数据流尺度上的Lognormal分布。用EM算法研究了具有交互特征的网络流量的分类;通过与K-means算法比较,讨论了EM算法在流量聚类中的适用性;通过平衡和不平衡流量的聚类分析,研究了不同类型流量GMM建模的有效性。研究流量的幂律关系及其在不同尺度间的传递性,用户行为和应用程序特征通过传输层控制协议分解传递到IP层后,在数据包尺度上表现出分形和自相似性,在数据流尺度上表现出Log- normal分布。