一般分布区间型符号数据的SOM聚类方法

区间型符号数据是一种重要的符号数据类型,现有文献往往假设区间内的点数据服从均匀分布,导致其应用的局限性。本文基于一般分布的假设,给出了一般分布区间型符号数据的扩展的Hausdorff距离度量,基于此提出了一般分布的区间型符号数据的SOM聚类算法。随机模拟试验的结果表明,基于本文提出的基于扩展的Hausdorff距离度量的SOM聚类算法的有效性优于基于传统Hausdorff距离度量的SOM聚类算法和基于μσ距离度量的SOM聚类算法。最后将文中方法应用于气象数据的聚类分析,示例文中方法的应用步骤与可操作性,并进一步评价文中方法在解决实际问题中的有效性。     

降脂中药微量元素的主成分分析和聚类分析

探讨降脂中药中微量元素的种类和含量与其药用价值的相关性。以常用的10种降脂中药作为研究对象,采用原子吸收光谱法(AAS)对其所含微量元素进行测定,运用化学计量学方法中的主成分分析和聚类分析方法进行信息解析。主成分分析结果表明,前4个主因子含有降脂类中药微量元素含量88.96%的信息。根据主成分得分图和聚类分析谱图,可将10种中药分为两类。找出了与每类中药相关性密切的微量元素,解释了10种中药之间的相似性与差异。通过主成分分析和聚类分析初步揭示出10种降脂中药的微量元素与其功效存在相关性,为该类中药的开发提供了科学依据和理论基础。     

医保欺诈行为的主动发现 ——基于引进指标权重的聚类分析算法

引入基于指标权重的欧氏距离描述数据之间的相似程度,通过权重指标评价函数刻画随着权重ω的改变分类模糊程度的变化;运用粒子群优化算法（MPSO）,极小化属性权重评价函数,自适应地求得每个指标的权重赋值;将得到的权重应用于聚类算法,将数据按照相似程度不同分类,以分类中出现的孤立点为疑似欺诈点;最后,通过人工复检的方式验证了模型的有效性和准确性。     

基于拉曼光谱法的降糖类药物的判别方法比较

采用了四种聚类方法对降糖类药物拉曼光谱进行了快速、无损判别。采集九种降糖类药品共48个样品的拉曼光谱,经截波、基线校正、平滑、矢量归一化等预处理后,分别采用K-均值、系统聚类法、自组织图(SOM)及PCA-SOM四种不同聚类方法做聚类判别。结果表明,自组织图与K-均值、系统聚类法相比,聚类结果较好,并且SOM结合PCA后的PCA-SOM结果最优。为降糖类药品的快速判别从聚类的角度提供了一种新的方法。     

双龙方组分诱导大鼠BMSCs分化的差异基因筛选及聚类分析

利用基因芯片筛选双龙方有效组分(总人参皂苷及总丹酚酸)诱导大鼠骨髓间充质干细胞(BMSCs)类心肌细胞分化过程中的差异表达基因, 并对其进行聚类分析, 在基因水平研究了双龙方组分对大鼠BMSCs分化的影响. 对大鼠BMSCs进行分组培养, 分别收集10, 20, 30及40 d的细胞样本, 提取tRNA, 经基因芯片检测, 筛选出BMSCs变化过程中的差异表达基因并进行生物信息学分析, 同时通过差异表达基因对样本进行Hierarchical聚类分析. 在BMSCs的分化过程中, 筛选出179条差异表达基因, 经分析发现它们与能量代谢和信号传导等多类基因密切相关. 对样本进行聚类分析发现其聚为两大类: 10和20 d的样本聚为一类, 30和40 d的样本聚为一类. 说明BMSCs在20~30 d之间可能发生了显著的改变.     

中药丹参及其近缘种中微量元素的主成分和聚类分析

采用原子吸收光谱法测定了不同产地的中药丹参及其近缘种植物白花丹参、雪山鼠尾草、云南鼠尾草、甘西鼠尾草、贵州鼠尾草、血盆草、粘毛鼠尾草、峨眉鼠尾草、黄鼠狼花、短唇鼠尾草和犬形鼠尾草中的Cu,Zn,Fe,Mg,Ca,Cr,Pb,Mo,Mn和Cd共10种微量元素的含量,应用主成分和聚类分析法对测定结果进行了研究。经过主成分分析得出3个主因子,其累计方差贡献率达79.3%。第一主因子的方差贡献率为49.6%,故所对应的Fe,Mn,Cu,Zn,Cd和Pb是丹参及其近缘种的特征元素。聚类分析将21个样品聚成2组,除浙江栽培丹参和白花丹参外,来自不同产地的9个丹参样品聚为一组;除贵州鼠尾草外,其他鼠尾草样品聚在一起,故此法可以将丹参和鼠尾草属其他植物区分开,总符合率达90%。因此利用原子吸收光谱法测定丹参及其近缘种中微量元素含量并对测定结果进行聚类分析是鉴别正品丹参的一种快速、准确的方法。     

人体尿液的三维荧光指纹图谱

采用三维荧光光谱技术获得了不同人群尿液的指纹图谱,对24个胃癌病人以及27个健康人的尿样进行了测定,并结合主成分分析的投影判别法和聚类分析法对尿样三维荧光谱的特征参数进行了模式识别研究。结果表明,病人和健康人的尿样存在一定的差异,且主成分分析投影判别法和聚类分析法均能对样品进行较好的分离识别,从而建立了识别癌症病人以及健康人的尿液的新方法。     

Nonlinear Time Series Forecast Using Radial Basis Function Neural Networks

In the research of using Radial Basis Function Neural Network (RBF NN) forecasting nonlinear time series, we investigate how the different clusterings affect the process of learning and forecasting. We find that k-means clustering is very suitable. In order to increase the precision we introduce a nonlinear feedback term to escape from the local minima of energy, then we use the model to forecast the nonlinear time series which are produced by Mackey-Glass equation and stocks. By selecting the k-means clustering and the suitable feedback term, much better forecasting results are obtained.     

数字图书馆服务质量影响因素分析

如今我国的数字图书馆正在朝着以用户为中心的建设方向发展,对数字图书馆的服务质量评价以及指标筛选也成为了一个热门领域,然而对数字图书馆服务质量的影响因素指标分析却被多数学者忽略.将基于前人研究的基础上,构建一套较合理的数字图书馆服务质量影响指标体系,并运用实验室分析法(DEMATEL)和聚类分析确定各指标之间彼此依赖的关系及强度,确定指标权重并对其进行分析,为数字图书馆服务质量的提高提供帮助.     

LF-NMR结合化学模式识别鉴别油脂种类及餐饮废弃油脂

应用主成分分析(Principal component analysis,PCA)和聚类分析法(Cluster analysis,CA)对9种(27个)常见食用植物油及100个餐饮废油的低场核磁共振(Low-field nuclear magnetic resonance,LF-NMR)(T2)弛豫特性数据进行分析。结果表明:在正常食用油种类区分方面,主成分分析的效果较优,9种食用油在主成分分布图上按种类正确分组,边界清晰。而在正常食用油与餐饮废油的区分方面,聚类分析效果较优,引入30个待测样本后,聚类分析(127个样品,欧式距离=5)的正确率为94.49%,分析误判率为5.51%,分组效果良好。LF-NMR结合化学模式识别可实现对油脂种类及餐饮废弃油脂的鉴别。