面向密度分布不均数据的近邻优化密度峰值聚类算法

密度分布不均数据是指类簇间样本分布疏密程度不同的数据.密度峰值聚类(DPC)算法在处理密度分布不均数据时,倾向于在密度较高区域内找到类簇中心,并易将稀疏类簇的样本分配给密集类簇.为避免上述缺陷,提出一种面向密度分布不均数据的近邻优化密度峰值聚类(DPC-NNO)算法.DPC-NNO算法结合逆近邻和k近邻定义新的局部密度,提高稀疏样本的局部密度,使算法能更准确地找到类簇中心;定义分配策略时引入共享近邻,计算样本间相似性,构造相似矩阵,使同一类簇样本联系更紧密,避免错误分配样本.将所提出的DPC-NNO算法与IDPC-FA、DPCSA、FNDPC、FKNN-DPC、DPC算法进行对比,实验结果表明,DPC-NNO算法在处理密度分布不均数据时能获得优异的聚类效果,对于复杂数据集和UCI数据集,DPC-NNO算法的综合性能优于对比算法.     

基于负二项分布的单细胞数据缺失值分治插补研究

单细胞转录组测序（scRNA-seq,single cell RNA sequencing）技术为单个细胞高通量、高分辨率的深入研究提供了机会,为在单细胞层面研究细胞功能及其背后的基因调控机制提供了重要技术手段。然而这项技术也带来新的挑战,单细胞数据具有规模大、噪声高、异构性强等特点,特别是高比例的数据缺失（dropout）严重影响了下游分析的可靠性,甚至掩盖了基因与基因间的重要关系。这里提出一种基于负二项分布的分治插补策略ND-Impute(Negative binomial distribution based Divide and conquer strategy for imputation)对scRNA-seq数据进行处理,该方法假设scRNA-seq数据符合负二项分布,利用包含特定损失函数的自动编码器获取数据的特异性参数,并使用分治策略估计潜在的基因表达值。通过聚类效果、相关性和误差分析等比较,表明该方法可以有效地恢复缺失数据,提高了后续研究分析的准确性。     

基于层次聚类模糊综合评判的矿井突水危险性评价

选取山西介休鑫峪沟煤矿9号煤层为研究对象,针对其底板突水危险性问题,利用现有15个钻孔的煤层底板标高、煤层采深、煤层底板破坏深度、隔水层厚度、有效隔水层厚度、底板承受水压值、突水系数7个影响煤层底板突水的主控因素,采用层次聚类分析并结合肘部法则对鑫峪沟煤矿9号煤层底板突水性进行分区,共分为A、B、C、D、E五个区,并采用改进的层次分析法—AHP与变异系数耦合确权的模糊综合评判法对各分区进行突水危险性等级划分。结果表明,A区和C区为极危险区,B区为较危险区,而D区和E区为较安全区和安全区,与实际情况基本相符。     

基于Excel的火炮射击精度模糊聚类分析

介绍了由模糊聚类分析和Excel相结合的火炮射击精度分析方法。以某炮连9门火炮为研究对象,以其试验射击中的炸点偏差为样本指标,按照模糊聚类分析步骤,首先采用打分法对样本数据进行了标准处理,然后利用Excel工作表分别求出了样本数据的模糊相似矩阵和模糊等价矩阵,最后对这9门火炮进行了动态聚类。结果表明：射击精度较高的为2、4和9号炮,次之为5号和6号炮,再次之为1号和7号炮,较差的为3号炮和8号炮。这样就可以根据作战任务性质的不同,对火炮进行适当编组,提高其作战效能。     

特定交通环境驾驶员紧张性模糊聚类研究

为了对特定交通环境进行紧张性评价,以明晰交通环境和驾驶员心理紧张度的关系,从而提高道路交通安全性,利用试验数据结合模糊聚类分析方法,得出了交通环境紧张性评价模型,并进行了实例应用分析,得到了符合实际的结论.利用该方法可以进一步研究复杂交通环境下的驾驶员心理紧张度问题.     

系统聚类在土壤成分研究中的应用

本文根据系统聚类的原理,采用标准化欧氏距离,利用最短距离法、最长距离法、中间距离法、重心法、离差平方和法、类平均法、可变法等来分析某地区土壤因子的相似性,从而对土壤样本进行分类。     

基于聚类的文本分类算法框架研究

KNN算法因其易于理解、理论成熟等优点而被广泛应用于文本分类.由于KNN需遍历样本空间计算距离,当训练集样本规模较大或维数较高时,计算开销是巨大的.针对此问题,首先将遗传算法适应度函数设计部分与K-medoids算法思想相融合形成K-GA-medoids,其次将其与KNN相结合形成用于文本分类的算法框架,在分类过程中,...     

柱花草核rDNA的ITS1序列分析

首次对42个柱花草种质的ITS1序列进行了比较分析.结果表明:42个炭疽病敏感与抗病柱花草种质的ITS1序列长度变化范围为302～314 bp,G C含量的变化范围为44%～45%;在它们的 ITS1序列中,有8个插入位点,13个缺失位点,68个变异位点;并在15个限制性酶切位点上也存在差异;种质间的遗传分化距离变异范围为0.006～0.053,平均值为0.021.采用非加权成对平均数法(UPGMA)构建了聚类树系图,42个柱花草种质可分为两大类、15个小类.该结果较好地反映了这些种质的差异.     

黍稷籽粒含油量及脂肪酸组成分析

研究分析18个黍稷（Panicum miliaceum L.）品种的籽粒含油量和脂肪酸组成。结果表明,黍稷籽粒含油量为2.54%~4.00%,均值3.71%。黍稷籽粒中主要脂肪酸为亚油酸（18:2n6）、油酸（18:1n9）和棕榈酸（16:0）,含量区间分别为0.075~5.19、0.150~3.02和0.897~1.81 g/100 g,并含有棕榈油酸、硬脂酸、亚麻酸、花生四烯酸、二十二烷酸和二十四烷酸。不饱和脂肪酸（UFA）占总油脂的82.1%~ 94.6%。相关性分析和主成分分析的结果表明,10种脂肪酸含量存在显著的相关性。聚类分析表明,脂肪酸组成在黍稷品种间的差异显著。     

基于粗糙集的数据聚类方法研究

RoughSets理论是一种新型的处理含糊和不确定性知识的数学工具,将RoughSets理论应用于知识发现中的聚类分析,给出了信息系统的约简、信息系统的可辨识属性矩阵和信息系统的辨识公式等定义,在此基础上提出了基于粗糙集的数据聚类算法RSDC,实验结果验证了该算法的可行性,并且对符号属性和数值属性数据都具有良好的聚类效果。