阿尔泰山树木年轮年表的响应函数

本文用提取主分量再回归方法建立阿勒泰年表的响应函数,并对其进行模糊聚类,比较了异同,所得结果对重建气候有较大的参考价值,亦有助于人们了解不同生境条件下气候与树木年轮生长的关系.     

基于遗传算法的图论聚类方法

针对传统图论聚类算法对初始聚类中心的敏感性以及聚类结果与样本输入次序等问题,提出了基于遗传算法进行图论聚类分析的基本原理和实现方法.实验结果表明,遗传算法应用于图论聚类分析能够搜索到更为精确的聚类中心值,其结果明显好于传统图论聚类算法.     

一种新的基于分布式入侵检测的警报聚类方法

针对大量的异构入侵检测传感器产生的警报泛滥问题，提出了一种在线警报聚类融合模型．该模型根据自我学习和调节，建立元警报作为警报聚类融合的基础，对新产生的警报进行分类、聚类，最终将警报特征与元警报融合，扩充元警报的特征信息．实验结果表明该方法能够有效地减少警报数量，提供具有指导意义的入侵响应，并且聚类结果可被用来进行进一步的网络态势评估．     

一种基于非参数贝叶斯模型的聚类算法

鉴于聚类分析是机器学习和数据挖掘领域的一项重要技术, 并且与监督学习不同的是聚类分析中没有类别或标签的指导信息, 所以如何选择合适的聚类个数(即模型选择)一直是聚类分析中的难点. 由此提出了一种基于Dirichlet过程混合模型的聚类算法, 并用collapsed Gibbs采样算法对混合模型的参数进行估计. 新算法基于非参数贝叶斯模型的框架, 能够在不断的采样过程中优化模型参数并形成合适的聚类个数. 在人工合成数据集和真实数据集上的聚类实验结果表明: 基于Dirichlet过程混合模型的聚类算法不但能够自动确定聚类个数, 而且具有较强灵活性和鲁棒性.     

不可度量化的射影平坦Spray的构造

刻画射影平坦Finsler度量是著名的Hilbert第四问题正则性情形, 且任意一个Finsler度量可以通过它的测地线方程诱导一个Spray, 因此研究射影平坦Spray的可度量化问题令人关注. 本文研究一类射影平坦Spray的可度量化问题, 通过欧氏度量和内积的线性组合, 构造两类射影平坦Spray; 其次利用反证法和具有迷向曲率Spray的定义, 证明以上两类Spray均不由任意Finsler度量诱导, 且不具有迷向曲率.     

基于混合遗传聚类的Web日志挖掘

通过对Web日志文件进行分析，提出了一种用混合遗传聚类对Web用户的行为进行分析的方法,混合遗传聚类是标准遗传算法和K-中心点算法的有机结合．实验证明，该方法是一个具有全局最优解的聚类方法，其结果明显优于标准遗传聚类方法．该算法能够有效地剔除噪音，得到很好的用户聚类和页面聚类的结果，为网站的管理者设计个性化的商务网站提供了有效的决策依据．     

一种改进的k-中心点聚类算法及在雷暴聚类中的应用

传统k-中心点聚类算法初始中心点的选取直接影响算法效率和稳定性,易使算法陷入局部最优解,从而影响在带时序群体分析的聚类应用效果.本文提出了一种基于密度信息的k-中心点算法,通过获取样本密度信息来选取初始中心点,有效解决了聚类结果对初始中心点选择的依赖性问题,并应用于雷暴聚类中.雷暴聚类评估实验结果表明了改进算法的有效性.     

数字油画制作中的加速k均值颜色聚类算法

提出了一个数字油画制作中的加速k均值图像颜色聚类算法:AkMTI-CCI算法.该算法应用最远优先原则初始化聚类中心,消除了颜色聚类结果对初始中心的依赖性.利用三角不等式减少聚类过程中距离的计算量,提高了颜色聚类的速度.数值实验表明:AkMTI-CCI算法提高了颜色聚类的速度且改善了颜色聚类的效果.     

基于云环境K-means聚类的并行算法

K-means聚类算法只能保证算法收敛到局部最优,从而导致聚类结果对初始点的选择非常依赖,同时在面对海量数据时容易因运算次数增多而使聚类过程耗时增加.针对上述问题及结合海量数据的特性,本文提出了一种基于云环境的并行聚类算法,该算法利用Canopy聚类算法思想并结合二分查找思想对K-means算法进行优化,同时采用"极限点"原则使之避免了聚类过程中的局部最优,然后利用顺序组合式MapReduce编程模型实现了算法的并行化扩展.实验结果表明:在大数据集上,该算法比同样部署在Hadoop集群上运行的K-means算法,在加速比、准确率、扩展率、算法效率方面具有较大的优势.     

双因素不完全配对模型和分离聚类法

双因素分离聚类法是一种有广泛应用背景的处理双因素不完全配对模型的数理统计方法．在大样本下,该方法能有效地把影响试验结果的两个因素分离开来,并按事先确定的准则对每个因素的各水平聚类．     

基于数据挖掘的复合聚类法

基于数据挖掘的方法,设计和实现了两种复合聚类的算法,并对图像特征库按此算法建立了索引结构,形成了图像的索引库,通过实验,结果显示聚类方法具有很大的应用潜力.     

一种新型的自适应入侵检测系统的研制

针对当前入侵监测系统存在的自适应能力较差、扩展性差的问题，基于面向混合类型数据的快速启发式聚类算法FHCAM和属性约束的模糊规则挖掘算法ACFMAR，提出了一种采用数据挖掘技术的自适应入侵检测系统DMAIDS．该系统通过划分聚类的方法划分出异常入侵记录；模糊关联规则的方法提取入侵模式．通过对1999年举行的数据挖掘大赛所使用的10%子集进行实验，结果表明该系统平均检测率和平均误检率比大赛获得冠军检测方法准确率提高了近2倍，检测率从数据子集1的65．25％自适应提高到数据子集9的85．7％能自适应的检测各种攻击，表明该系统具有很好的应用前景。     

基于K-means算法的学生试卷成绩分析

目前在教学管理中,通常采用算术平均线性划分法对学生成绩进行分析评价,难以准确地反映学生真实的学习情况.笔者运用K-means算法对上海市某高级中学某班的一次试卷成绩进行聚类,并对聚类结果进行了详细分析,为制定有效的教学及学习策略提供相关依据.     

基于健康数据挖掘的智能养老床系统设计研究

为解决国内电动养老床功能单一、技术落后等问题,提出一种基于健康数据挖掘的智能养老床系统.首先通过非接触式生命体征传感器采集人体心跳和呼吸信号,压力传感器采集体重信号,基于无线模块将采集的生理参数发送给远程服务器.然后对比分类与聚类方法在心率、呼吸率数据挖掘中的效率,基于k-Means聚类实现健康数据挖掘算法.最后通过聚类算法多次迭代,优化系统参数.实验证明本文提出的基于健康数据挖掘的智能养老床系统不仅能很好地解决传统电动养老床功能单一、技术落后的问题,还能为后续健康护理等提供准确的健康数据保障.     

关于测度稠密性与测度半稠密性的几个定理

提出了测度空间（ＸＡ，）中测度稠密性和测度半稠密性的两个概念，在给定条件下证明了集代数ＦＡ在（Ｆ）中的测度稠密性及半集代数ＳＡ在（Ｓ）中的测度半稠密性；并将所得结果应用于线性赋范空间［ａ，ｂ］的可分性的证明。     

基于概念的教育资源元素材聚类方法研究

针对教育资源元素材种类多、独立性强等特点，研究了概念聚类方法解决领域知识的分类和归并问题，并实现了概念的动态聚类算法和归并算法，分析了该算法的效率和聚类准确性．     

猪瘟病毒基因表达水平与同义密码子使用频率的关系

用信息类聚方法研究了猪瘟病毒基因表达水平与同义密码子使用频率的关系，求出了猪瘟病毒基因组各同义密码子的相对使用频率，得到了作为表征基因表达水平的各类基因的信息熵，所得结果与已有的研究结论相符．本研究表明：对于猪瘟病毒的单股正链RNA结构，同义密码子的使用频率对于基因表达水平有重要影响．     

绕积Markov链的不变测度及遍历极限

对绕积Markov链的不变测度的存在唯一性条件、不变测度的分解、最小闭集的结构和绕积Markov链的遍历极限用HopfMarkov链的方法作了进一步的研究,获得了一些与经典Markov链类似的结果.这些结果对研究随机环境的Markov链是有用的.