一种基于网格和密度的数据流聚类算法

在"数据流分析"这一数据挖掘的应用领域中,常规的算法显得很不适用.主要是因为这些算法的挖掘过程不能适应数据流的动态环境,其挖掘模型、挖掘结果不能满足实际应用中用户的需求.针对这一问题,本文提出了一种基于网格和密度的聚类方法,来有效地完成对数据流的分析任务.该方法打破传统聚类方法的束缚,把整个挖掘过程分为离线和在线两步,最终通过基于网格和密度的聚类方法实现数据流聚类.     

一种改进的BIRCH分层聚类算法

由于传统的BIRCH算法是用直径来控制聚类的边界,因此如果簇不是球形,它就不能很好地工作,而且传统的BIRCH算法只适用于单表.针对BIRCH的这些缺点,本文提出了一种改进的BIRCH-IBIRCH算法,该算法首先通过ID传播把多个表联系起来,使得BIRCH算法可以适用于多表的情况,再通过计算共享最近邻密度,可以发现任意形状的簇.实验表明,该算法不仅具有较强的可伸缩性,还可以得到较高精确的聚类结果.     

基于小生境混合遗传算法的文本特征词聚类研究

提出一种基于小生境混合遗传算法的文本特征词聚类方法.该方法首先采用贝叶斯语义模型对语料库进行统计分析,并以K-L距离度量特征词间的距离,然后将小生境遗传算法与K-Means算法相结合,对文本特征词进行聚类,为文本特征词聚类提供了较高的效率和精确度.实验表明该方法是一种高效可行的文本特征词聚类方法.     

基于多维自组织特征映射的聚类算法研究

作为神经网络的一种方法,自组织特征映射在数据挖掘、模式分类和机器学习中得到了广泛应用.本文详细讨论了自组织特征映射的聚类算法的工作原理和具体实现算法.通过系统仿真实验分析,SOFMF算法很好地克服了许多聚类算法存在的问题,在时间复杂度上具有良好的性能.     

一种新的基于图论聚类的分割算法

针对传统图论聚类法在分割图像时对噪声和模糊边界敏感,产生伪割集以及计算复杂度大的问题,对传统算法进行了相应的改进,即首先将每个像素作为一类改为将图像中灰度相同的像素作为一类;其次在计算权值时改进权函数定义,将节点与区域间的空间近邻关系约束进权函数表达式,而非传统算法中仅考虑节点与节点间的灰度和位置关系.对比实验表明,该算法只需要设计少量的参数即可自动完成聚类,所需的存储空间以及实现的复杂度相比于传统图论聚类法都得到极大改善.     

一种基于多特征的视频人物聚类方法

检索一段视频中出现的人物并进行人物归类具有重要的研究意义和实用价值.本文提出一种基于多特征的视频人物检索聚类算法:先用一种结合人脸检测和物体跟踪的算法检测镜头人物,并提取人物衣服区域颜色以及声音作为人物特征,再用一种无监督模糊聚类方法对人物进行聚类,最后利用声音特征对聚类结果进行修正.该方法适用于人物数未知的条件下进行无监督的人物聚类.不同类型视频的试验证明该方法有效而实用.     

一种新的基于改进聚类检索算法的CBIR系统研究

随着多媒体技术、网络技术的飞速发展,各种各样的信息爆炸式增长,导致人们对信息检索的要求越来越迫切.本文提出了一个新颖的基于内容的图像检索模型,还提出了一种新颖的适合于图像数据的聚类检索方法,通过自动更新簇特征的权重来提高聚类准确率,从而改进检索效果.通过文中的仿真实验说明,文中提出的检索模型,以及采用的相关算法是可行的,取得了良好的检索效果.     

改进的聚类算法在医学图像分割中的应用

针对医学图像的特点,设计了一种聚类分析的图像分割算法,并且将遗传算法引入聚类,利用遗传算法的并行性和随机搜索性,从DBSCAN算法出发,针对其局限性提出了一种基于取样的DBSCAN算法及其遗传优化,从而达到较好的分割效果。     

谱聚类算法综述

谱聚类算法是近年来国际上机器学习领域的一个新的研究热点.谱聚类算法建立在谱图理论基础上,与传统的聚类算法相比,它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点.本文首先介绍了图论方法用于聚类的基本理论,然后根据图划分准则对谱聚类算法进行分类,着重阐述了各类中的典型算法,并对算法进行了比较分析,最后进行总结并提出了几个有价值的研究方向.     

基于细菌模糊聚类算法的牙齿图像分割技术研究

在图像的应用和研究中,人们往往仅对图像中的特定部分或者说某些区域感兴趣如医学MRI图像中的病变位置或病灶.这些被特殊关注,或者在图像中有特定的独属性质的区域,被称作目标区域;不被重点关注,或者没有特殊意义的那部分图像,被称作背景.     

一种新的基于粗糙集的leader聚类算法

2008年6月4日下午，国家食品药品监督管理局直属机关党委调研组一行，在局党组副书记、副局长、局直属机关党委书记刘怡同志带领下，到国家药典委员会就深入学习党的十七大精神、贯彻落实科学发展观、实践科学监管理念和“三制一化”建设等方面情况进行调研。局直属机关纪委书记冯俊钢同志、局直属机关党委宣传部副部长张沛洁同志、局办公室秘书处亓同新同志参加了调研。     

一种无线传感器网络定位问题中的分簇算法

本文提出一种用于平面无线传感器网络定位的分簇算法.首先,锚节点根据地理位置划分感知区域;然后,通过拓扑发现过程和锚节点问的信息交换,实现锚节点对周围网络拓扑的感知;最后,根据就近原则将所有未知节点分配到以锚节点为边缘的各个子区域中,而分配到各个子区域中的未知节.点和边缘的锚节点,则构成网络中的各个簇,并由每个簇的主节点保存本簇内全部拓扑信息.该算法可以实现多跳节点的分簇,并且具有较小的通信量,可用于多种基于分簇的分布式定位算法中,有助于解决大规模无线传感器网络的定位问题.仿真实验结果显示,在锚节点按网格分布和随机分布两种情况下,该算法都可以得到良好的分簇结果.     

Feature Selection With Weighted Importance Index in an Autism Spectrum Disorder Study

Abstract

Elastic net regularization is a popular statistical tool for variable selection that combines lasso and ridge regression penalties. When used in combination with ensemble methods, it improves stability of the estimates and increases confidence in the results. We proposed and tested a version of this method that considers a measure of models’ goodness of fit and gives estimates of importance for each feature weighted on this measure. The method was applied to an autism spectrum disorder (ASD) study to select a subset of biosensor-based features that can be used to predict clinical scores of study participants. In this study, the participants’ responses to visual and audio stimuli were captured by the Janssen Autism Knowledge Engine (JAKE®) biosensors and used to construct approximately 50,000 features. We examined how well changes in these features mirrored changes in the Social Responsiveness Scale (SRS), a quantitative assessment of ASD individuals by clinicians. As a result, we isolated the top features changes which are most associated with changes in SRS, and built predictive models using these features.     

A Knowledge-Based Clustering Algorithm Driven by Gene Ontology

Abstract

We have developed an algorithm for inferring the degree of similarity between genes by using the graph-based structure of Gene Ontology (GO). We applied this knowledge-based similarity metric to a clique-finding algorithm for detecting sets of related genes with biological classifications. We also combined it with an expression-based distance metric to produce a co-cluster analysis, which accentuates genes with both similar expression profiles and similar biological characteristics and identifies gene clusters that are more stable and biologically meaningful. These algorithms are demonstrated in the analysis of MPRO cell differentiation time series experiments.     

基于量子进化规划核聚类算法的图像分割

基于量子计算的并行性、进化计算简单、通用性好等优点,采用量子编码构造进化算法的染色体种群,再将二者引入到核聚类中来,提出了一种基于量子进化规划的核聚类算法.该算法充分利用了量子态的叠加性以及量子比特的概率表示,能够表示出许多可能的线性叠加状态,具有更好的种群多样性,因此将其用于解决核聚类算法中目标函数的优化问题,可以有效克服传统进化算法收敛速度慢以及早熟等问题.对Brodatz纹理图像及SAR图像进行分割,仿真实验结果表明该算法可以较好地改善图像分割效果.     

基于并行遗传算法的K-means聚类研究

针对传统K-means聚类算法对初始聚类中心的选择敏感,以及聚类数K难以确定的问题,提出一种基于并行遗传算法的K-means聚类方法.该方法采用一种新型的可变长染色体编码方案,随机选择样本点作为初始聚类中心形成染色体,然后结合K-means算法的高效性和并行遗传算法的全局优化能力,通过种群内的遗传、变异和种群间的并行进化、联姻,有效地避免了局部最优解的出现,同时得到了优化的聚类数目和聚类结果.实验表明该方法是一种精确高效的聚类方法.