DNA序列分析系统的开发应用

20世纪90年代,人类基因组计划的启动,有力推动了DNA测序工作的发展。寻找某些特征片段(功能片段)在序列中的分布规律,对遗传学、生物信息学等都有重要的应用意义。在教学、研究中发现,应用数学分析软件MATLAB的字符串处理功能,可以容易地达到功能片段分析的目的,本系统通过分析DNA序列链之间的关联程度,构造出特征矩阵,根据模糊C均值算法较准确的对DNA序列的集合进行了分类,同时利用matlab的图像显示功能将聚类的最终结果清楚明了的显示在图像中,使用户能清楚的看到聚类效果。本系统主要研究了DNA链碱基序列分析、多个DNA链特征矩阵提取、模糊C均值聚类算法分类DNA等三大部分。首先该系统对DNA序列的总长度和功能序列的长度进行了测量,利用一维数组确定功能片段在DNA序列中的位置特征,从而完成了对DNA碱基序列的分析;其次该系统对用户给出的数个DNA链进行序列之间的特征分析,统计出每个序列的(A,T,C,G)碱基密度,得到一个特征矩阵,有效的为模糊聚类分析方法提供数据来源。最终该系统应用模糊C均值聚类算法,利用特征矩阵的数值,将数个DNA序列聚类并分为两类。     

带特征权重的混合特征模糊C均值算法

针对模糊数据,Hathaway提出了模糊C均值算法（FCM）;针对符号数据,El-Sonbaty 和Ismail提出了符号数据模糊C均值算法（FSCM）;Miin-Shen Yang等人对FSCM进行了改进,提出了混合特征的模糊C均值算法（MVFCM）,MVFCM比FSCM更有效更具有实用性。在MVFCM的基础上,给出了带特征权重的混合特征的模糊C均值算法（WMVFCM）,并通过实验比较,说明WMVFCM比MVFCM更有效。     

一种模糊聚类系统的设计与实现

介绍一种基于模糊逻辑的数据聚类技术,讨论了模糊C均值聚类方法。模糊C均值算法就是利用模糊逻辑理论和聚类思想,将n样本划分到c个类别中的一个,使得被划分到同一簇的对象之间相似度最大,而不同簇之间的相似度最小。     

特征基因筛选系统的开发应用

文中介绍了运用Matlab7.0编程语言开发的基于粒计算的特征基因筛选系统,阐述了邻域互信息和聚类算法结合使用的筛选算法的优异特点,并对系统程序设计的思路、功能特点做了详细的论述。特征基因筛选系统主要包含聚类划分、特征基因的筛选、图像属性分析、相关度分析这四大功能模块,对于从海量的基因表达谱数据中挖掘出少量的具有分类识别能力且冗余度最小的特征基因具有良好的效果。     

模糊核聚类的自适应算法

针对模糊聚类算法在样本特征不明显时不能取得很好的聚类效果，以及现有的模糊聚类算法需要事先确定聚类数，随机性强、容易陷入局部最优等弱点，将核函数和有效性函数引入到模糊聚类中，提出了模糊核聚类的自适应算法,此方法在性能上比经典的聚类算法有了较大的改进,取得了更好的聚类效果,实验结果证实了该方法的有效性和可行性.     

改进的PCM聚类算法在图像分割中的应用

可能性C均值聚类算法（PCM）对于噪声显示了良好的鲁棒性,但是它没有考虑到像素的空间信息,在含有大量噪声的情况下,PCM算法的分割性能会大大降低。基于PCM算法,提出了一种改进的PCM算法,该算法改进了隶属度函数,新的像素点隶属度更新为其邻域隶属度的几何均值。实验结果显示新的算法能够更有效的分割图像,并显示出良好的抗噪能力。     

计算机基础课程考试系统的开发与应用

本文以计算机基础课程考试系统的设计为例，讨论了运用面向对象的方法，开发基于网络的C／S结构的SQL应用的基本过程和所用工具。     

多媒体应用系统的开发

目前多媒体之所以能应用广泛，是因为开发多媒体应用系统，需要复杂的编程技术，只要使用开发平台即可，本文首先介绍了开发平台，然后分析了多媒体应用系统的开发过程，多媒体采用平台开发一条正确的路。     

混合神经模糊分类器的实现

人工神经网络与模糊系统是计算智能的核心内容,二者的混合系统是近年来的一个研究热点。分类是数据分析中的研究重点,随着数据的复杂化和多样化,对分类的要求越来越高,有时仅凭经验和专业知识难以确切地进行分类,因此研究如何运用神经模糊分类算法进行数据分析具有重要意义与实用价值。鉴于其强大的数据分析功能,研究中采用模糊C均值聚类算法和Gath—Geva聚类算法对数据进行分类,并对测试数据进行仿真试验,其测试结果良好。     

基于混合聚类算法的模糊函数系统辨识方法

针对传统模糊系统存在的结构难以确定和参数辨识复杂的问题,提出了一种基于混合聚类算法的模糊函数系统辨识算法.与一般的模糊函数系统相比,混合聚类算法结合模糊C均值和模糊C回归模型聚类算法的样本距离.在模型预测部分,采用高斯函数计算每个输入变量的隶属度,利用输入变量隶属度的模糊化算子得到输入向量的隶属度.应用于Box-Jenkins煤气炉数据、一个双入单出的非线性系统和Mackey-Glass混沌时间序列数据的试验结果表明,本文算法具有很好的辨识效果,从而验证了本文算法的有效性与实用性.     

混合神经模糊分类器的实现

人工神经网络与模糊系统是计算智能的核心内容,二者的混合系统是近年来的一个研究热点。分类是数据分析中的研究重点,随着数据的复杂化和多样化,对分类的要求越来越高,有时仅凭经验和专业知识难以确切地进行分类,因此研究如何运用神经模糊分类算法进行数据分析具有重要意义与实用价值。鉴于其强大的数据分析功能,研究中采用模糊C均值聚类算法和Gath-Geva聚类算法对数据进行分类,并对测试数据进行仿真试验,其测试结果良好。     

对于不平衡数据的模糊时间序列预测

模糊时间序列自从被提出便得到广泛的关注。在运用模糊时间序列进行预测时,增加预测的准确度为研究的根本点。为了使预测结果更加精准,本文首先对不平衡数据集分类,将数据进行初始的划分,然后进行模糊时间序列预测,最后通过实验表明了该方法的实用性。     

一种改进的模糊C均值算法在入侵检测中的应用

为解决模糊C均值(FCM)聚类算法在入侵检测中存在的检测效率低的问题,提出一种改进方法,将改进的模糊C均值聚类算法应用于入侵检测。测试表明,该算法有效提高了聚类检测的检测率,降低了误检测率,具有可行性和有效性。     

基于自组织神经网络的非线性系统建模

针对基于T-S模糊模型的非线性系统建模问题,提出了一种基于自组织神经网络的新方法.在T-S模糊模型的建模中,目前常用的模糊C均值聚类算法存在迭代次数多,计算耗时的缺点.首先,利用竞争学习算法对输入空间进行聚类,基于此结果,借助于模糊C均值聚类算法进一步优化聚类结果,提取T-S模糊模型的规则前件隶属函数参数.然后,采用最小二乘法求得T-S模糊模型的规则后件参数,从而建立起非线性系统的T-S模糊模型.最后,仿真结果表明,该方法可以为模糊建模提供好的模型结构,并且有较高的计算效率和精度.     

汉城大学开发出新型DNA条码系统

韩国汉城大学化学系教授崔珍镐(音译)领导的研究小组日前宣布，一种纳米DNA条码系统已经开发成功，这一系统可以大幅提高产品条码标识的可信度。     

模糊聚类在入侵检测中的应用

入侵检测系统是网络和信息安全构架的重要组成部分．本文对现有入侵检测技术所存在不足进行分析的基础上．将改进的模糊C均值聚类算法应用于入侵检测。实验采用KDD99数据集进行测试，结果表明，该方法具有可行性和有效性。     

基于K近邻隶属度的聚类算法研究

经典模糊C均值聚类算法（FCM）基于欧氏距离,存在不同规模类簇不能正确聚类问题,针对此问题提出一种基于[K]近邻隶属度的模糊C均值聚类算法（KNN_FCM）。讨论了基于[K]近邻隶属度的粗糙C均值聚类算法（KNN_RCM）和粗糙模糊C均值聚类算法（KNN_RFCM）,此方法避免了传统粗糙C均值聚类算法（RCM）和粗糙模糊C均值聚类算法（RFCM）中阈值选择问题。将KNN_FCM、KNN_RCM、KNN_RFCM分别与FCM、RFM、RFCM在UCI数据集上进行仿真比较,结果表明新方法是可行、有效的。     

数据库安全系统开发与应用

随着科学技术的不断发展进步,不同领域的各个企业都开始使用数据库系统,并且数据库系统的使用也给企业带来了很大的收益。但是,在近几年来,部分不法分子借着自己的高科技水平,对企业的数据库系统实施了攻击,盗取或损坏企业的高级机密,给企业的生产带来了不可预估的损失。为了保障企业数据库的安全保密,我们必须开发设计数据库安全系统,并将之应用到企业的各个领域,确保企业的利益不受到危害。本文就数据库安全系统的开发以及应用做了相应的阐述。     

一种基于粒子群优化的可能性C均值聚类改进方法

提出了一种基于拉子群优化的可能性c均值(Possibilistic Gmeans, PCM)聚类改进方法。该方法首先通过 改进PCM算法的目标函数来计算数据模式的隶属度矩阵和聚类中心完成粒子编码,从而降低算法对初始中心的敏 感,提高聚类的精度;其次,通过粒子群优化(Particle Swarm Optimization, PSO)算法对编码进行优化,以有效地克服 PCM聚类算法容易导致聚类一致性和陷入局部最优解的缺点,减少算法的迭代次数。通过人造数据集和UCI数据 集上的实验,表明该算法在计算复杂度、聚类精度和全局寻优能力方面表现得较为突出。