基于灰色聚类分析的白洋淀水质评价

水质评价对了解水体生态功能、区域环境质量、科学制定治理规划有着重要的作用。文章以雄安新区白洋淀水质为研究对象,通过2009-2017年现场实际监测数据与试验,对7个代表性监测站点的溶解氧等6个指标进行监测,运用灰色聚类分析法并结合变异系数法赋权,对其水质进行分级与评价,为白洋淀的综合治理提供更加客观科学依据。研究结果表明:光淀张庄、枣林庄的水质等级为Ⅲ类,水质状况达标;烧车淀、王家寨、采蒲台、圈头的水质等级Ⅳ类,端村的水质等级为Ⅴ类,水质均不达标;评价结果比较客观的反映了水体水质状况与类别,克服了单因素评价易受个别因素影响的缺陷。     

GIS内多绝缘缺陷产生混合局部放电信号的分离研究

为对GIS内多绝缘缺陷所产生的单一PD信号予以辨别,文章对多PD信号特点予以分析,借此对PD信号于GIS内传播及混合机制开展深层次分析,并对GIS内多绝缘缺陷同时所产生的多PD信号开展深层次研究,无限逼近信号混合模型、真实物理模型间差距。以考虑PD信号延迟为基础,对多PD信号予以辨别,以此对GIS内多绝缘缺陷加以辨别。     

正则化图形模糊聚类及鲁棒分割算法

针对现有图形模糊聚类算法合理性差和抗噪能力弱的问题，提出嵌入对称正则项的图形模糊聚类鲁棒算法。将样本聚类所对应的中立度与拒分度相结合构造对称正则项，嵌入现有图形模糊聚类所对应的目标函数；同时，利用像素邻域所对应的均值信息辅助当前像素聚类并构造了空间信息约束正则项，采用拉格朗日乘子法获得正则化图形模糊聚类鲁棒分割算法。不同噪声干扰图像分割结果表明，所建议的分割算法是有效的，相比现有的鲁棒模糊聚类分割算法具有更强的抑制噪声能力。     

基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。     

蚁群算法在文字识别中的应用研究

在文字识别研究中,由于文字的很多组成部分存在相似性,为文字识别带来了很大的难度,许多系统研究还不能很好地将文字快速、准确地识别出来。针对现如今人们对高质量、高效率的追求,笔者利用蚁群算法提出了基于蚁群算法的文字识别创新研究,旨在将平常的文字录入变得更加快捷、更准确。研究结果表明,利用蚁群算法的聚类能力对文字识别行之有效,能让蚁群算法更广泛地应用在生活中。