基于模糊集的蚁群聚类算法的改进

改进了LF算法，提出了一种基于模糊集理论的蚁群聚类新方法。首先定义了平均距离，其次在“相似”的概念上引入模糊集理论，定义了数据对象与其邻域内对象相似程度的隶属函数，最后该数据对象的拾起或放下由隶属度与置信水平λ相比较来决定。该算法避免了LF算法中不相似的数据对象本该被拾起而可能未被拾起，相似的数据对象本该被放下而可能未被放下的弊端，并简化了LF算法。     

基于系统调用的入侵检测系统设计与实现

介绍了一个基于系统调用的灵活加载的入侵检测系统。该系统改进了常用的数据采集方法，采用虚拟设备驱动来获取系统调用。这种数据采集方法对系统影响小，可以灵活装卸，并提供标准的接口。数据分析融合了异常检测和误用检测两种方法，提出了相应的检测模型，并引入了滤噪函数。     

方向相似性聚类方法DSCM

针对方向性数据提出了一种鲁棒的基于方向相似性度量的聚类方法DSCM．DSCM首先基于方向性度量构造目标函数，然后通过不动点迭代法对目标函数优化，获得各个样本的最终稳定状态，最后基于样本的最终状态集利用层次聚类技术实现聚类．DSCM的优势在于对方向性数据聚类时不依赖于具体的初始化参数，且能自组织地求解最优聚类划分因而有很好的鲁棒性．通过实验证实了DSCM的有效性以及对已有的两个传统方向性聚类算法的优越性．     

基于k均值分区的数据流离群点检测算法

离群知识发现是数据挖掘研究的一个重要方面，数据流离群点挖掘更因其挖掘对象具有动态性、不可复读性、数据量大等特点而成为离群知识发现研究的一个难点．提出一种基于k均值分区的流数据离群点发现算法，先对数据流进行分区做k均值聚类生成中间聚类结果（均值参考点集），随后在这些均值参考点中，根据离群点的定义找出可能存在的离群点．理论分析和实验结果表明，算法可以有效解决数据流离群点检测问题，算法是有效可行的．     

基于近似密度函数的医学图像聚类分析研究

针对医学图像数据难以用数学模型来表述和聚类的问题，提出一种基于近似密度函数的医学图像聚类分析方法．该方法采用核密度估计模型来构造近似密度函数，利用爬山策略来提取聚类模式．基于真实的人体腹部医学图像数据集的实验结果表明，该方法可以取得较好的聚类效果．     

高维数据流聚类及其演化分析研究

基于数据流数据的聚类分析算法已成为研究的热点．提出一种基于子空间的高维数据流聚类及演化分析算法CAStream，该算法对数据空间进行网格化，采用近似的方法记录网格单元的统计信息，并将潜在密集网格单元快照以改进的金字塔时间结构进行存储，最后采用深度优先搜索方法进行聚类及其演化分析．CAStream能够有效处理高雏数据流，并能发现任意形状分布的聚类．基于真实数据集与仿真数据集的实验表明，算法具有良好的适用性和有效性．     

利用总体特征对中文签字进行分类的聚类算法

针对不同书写者书写同一字的分类问题，在C 均值法和马氏距离测度的基础之上，提出了一种动态聚类算法，并讨论了签字的总体特征选择问题。利用该聚类算法对不同书写者的签字进行二分分类得到了较好的效果。实验显示，选择一组代表书写者书写风格的特征是分类成败的关键。文中选取的五个总体特征应用到非模仿的签字鉴别中有较好效果。     

中药威灵仙的化学模式识别研究

采用气相-质谱联用仪(GC-MS)对24个来源不同的威灵仙样品中的挥发油进行指纹图谱分析,并运用主成分分析法及K-均值聚类法对其进行化学模式识别研究。结果表明,所研究的24个威灵仙样品可分为两类,其中19个威灵仙药材样品化学成分相近,聚为一类,另外5个威灵仙药材化学成分与主体威灵仙药材成分有一定差异,被聚为另一类,这为威灵仙的质量控制提供了理论依据。本文所建立的主体威灵仙药材的指纹图谱化学模式可作为中药威灵仙的质量评价标准。     

基于免参数据挖掘的相异度度量研究

由于参数设置导致数据挖掘结果异常的例子很多，为了解决这一问题，出现了免参数据挖掘思想。对Kolmogorov复杂度理论进行了研究，将其和免参数据挖掘思想相结合，提出了一种基于压缩的相异度度量SCDM。由于压缩算法是空间和时间高效性算法，使得应用该算法的相异度度量也具有较好的性能。实验表明将这种相异度度量应用到层次聚类算法中，其聚类的准确率也较高。     

基于模糊聚类和灰色关联分析结合的负荷预测

训练样本的合理选择是影响神经网络负荷预测精度的重要因素。为了选择出适量而且典型的样本,采用模糊聚类将历史负荷数据分为若干类,再利用灰色关联分析法确定各类与预测时刻负荷模式的相关度,选择关联度最大的一类,通过L-M算法对24个整点时刻分别建立BP网络预测模型,并与常用方法选择的样本训练网络得到的结果进行了对比,测试结果证明了本文所提方法的有效性。