近似骨架导向的归约聚类算法

该文针对聚类问题上缺乏骨架研究成果的现状,分析了聚类问题的近似骨架特征,设计并实现了近似骨架导向的归约聚类算法。该算法的基本思想是:首先利用现有的启发式聚类算法得到同一聚类实例的多个局部最优解,通过对局部最优解求交得到近似骨架,将近似骨架固定得到规模更小的搜索空间,最后在新空间上求解。在26个仿真数据集和3个实际数据集上的实验结果表明,骨架理论对提高聚类质量、降低初始解影响及加快算法收敛速度等方面均十分有效。

面向Weblog的模糊协同聚类算法

面向Weblog的协同聚类算法具有同时发现用户聚类及与之对应的页面聚类的能力,已成为Weblog数据挖掘的重要研究内容。由于现有的面向Weblog的协同聚类算法大多采用硬划分方法将用户和页面分配到聚类,因此,无法很好地处理聚类边界的问题,即一个用户可能属于多个聚类,从而影响了聚类质量。该文给出了一种面向Weblog的模糊协同聚类FCOW(Fuzzy CO-clustering for Weblog)算法来解决协同聚类算法的边界问题,以提高聚类结果的质量。该算法首先利用矩阵Hadamard积运算发现Weblog中隐含的独立用户模式1={,,K}PA pa pa;其次,依据pa k所对应的页面子集将剩余用户分配到该独立模式中,从而产生协同聚类结果 {k,k}CS CP,k=1,,K;最后计算每个用户和页面与协同聚类之间的模糊隶属度,并以该隶属度作为个性化推荐的依据。实验结果表明,FCOW算法具有获得高质量聚类结果的能力。

BK-means：骨架初始解K-means

K-means是典型的启发式聚类算法,容易受到初始解的影响而无法获得高质量的聚类结果。骨架是近年来启发式算法设计的研究热点,它是指所有全局最优解中相同的部分,对于提高启发式算法性能具有重要意义。给出的骨架初始解K-means算法(BK-means)的基本思想是:首先利用K-means算法得到一组局部最优解(聚类结果),通过对局部最优解求交得到骨架簇。利用骨架簇构造骨架初始解及新的搜索空间。最后以骨架初始解引导K-means算法在新的搜索空间中搜索聚类结果。在15组仿真数据集和4组实际数据集上的实验结果表明,BK-means算法具有获得高内聚、高分离的聚类结果能力。

空间平滑搜索CLARANS算法

CLARANS是一种有效且广泛应用于空间数据挖掘的聚类算法,非常适合发现多边形的聚类结果.CLARANS的实质是随机重启搜索优化算法.由于搜索空间的表面粗糙不平,布满了局部最优解的"陷阱",因此CLARANS算法易受局部最优解的影响.空间平滑技术允许启发式搜索有效地避开局部最优解的"陷阱".本文给出了基于空间平滑搜索的CLARANS算法(CLARANS algorithm based on Search Space Smoothing-CLARANS-SSS),设计合理的噪声法空间平滑策略能够移除搜索空间中大部分的局部最优解.实验结果表明空间平滑搜索对于CLARANS算法非常有效.

面向标注的局部中心度传播聚类算法

现有的标注聚类算法大多采用传统的K-means或Single-linkage算法对标注数据直接聚类,但是K-means或Sin-gle-linkage本身固有的缺陷严重影响了聚类结果的质量.给出了一种局部中心度传播聚类算法LCIPC(local centrality in-formation passing clustering),该算法首先在标注相似度的基础上建立标注数据的KNN有向邻居图G;然后利用核密度估计方法计算每个标注的局部中心度;再通过随机游走方法在图G中传播局部中心度,以产生全局中心度等级;最后,调用图深度优先搜索算法发现标注聚类结果.在3个真实数据集上的聚类结果显示,LCIPC算法具有够获得高质量标注聚类结果的能力.

局部显著单元高维聚类算法

以等宽或随机宽度网格密度单元为基础的高维聚类算法不能保证复杂数据集中的聚类结果的质量。该文在核密度估计和空间统计理论的基础上,给出一种基于局部显著单元的高维聚类算法来处理复杂数据的高维聚类问题。该方法以局部核密度估计和空间统计理论为基础定义了局部显著单元结构来捕获局部数据分布;设计了能快速发现覆盖数据分布的局部显著区域的贪婪算法;对具有相同属性子集的局部显著单元执行Single-linkage算法发现其中的聚类结果。实验结果表明,以局部显著单元为基础的高维聚类算法能够发现复杂数据集中隐含的高质量聚类结果。

案例教学法与《数据结构》教学改革

分析了案例教学的本质和《数据结构》教学中存在的问题,探讨了案例教学方法与《数据结构》教学改革的结合问题,阐述了教师素质的培养与《数据结构》案例教学实施的关系。

应用型本科高校考风建设初探

考风是高校校风、学生学风的一种体现,备受高校重视。分析学生考试作弊现象产生的心理原因和学校方面存在的客观因素,针对高校考风建设方面存在的问题和不足,结合应用型本科高校的发展目标,提出相应的建设办法和措施。

乳腺癌新辅助治疗后的外科治疗

乳腺癌新辅助治疗,即初始全身治疗（primary systemic therapy,PST）,已成为临床实践中被广泛接受、用于局部晚期乳腺癌及可手术乳腺癌的治疗选择。尽管既往研究提示,随着新辅助治疗药物和策略的不断优化,通过新辅助治疗使一部分不可手术的局部晚期乳腺癌病人降期成为可手术乳腺癌,或使不可保乳病人的肿瘤缩小从而能接受保乳手术。

网络流聚类算法及其在图像处理中的应用

聚类分析是重要的数据挖掘技术，在科学研究、工程应用等领域有着广泛的应用背景。由于经典聚类算法的时间复 杂度高、聚类质量低，因此不适合处理图像分析。本文提出的网络流聚类算法则是一种新型的图像信息分析的算法，它适用于图 像分析、分割和聚类，并且具有线性的算法时间复杂度。

一种可信子空间标志方法

在D-S证据理论的基础上,给出了可信子空间的定义及能够发现所有可信子空间的贪心算法CSL(creditable subspace labeling)。该方法迭代地发现原始特征空间的信任子空间集Cs。用户根据应用领域的需求,对Cs中的每个可信子空间调用传统聚类算法发现聚类结果。实验结果表明,CSL具有正确发现原始特征空间的真实子空间的能力,为传统聚类算法处理高维数据空间聚类问题提供了一种新的途径。

合并慢性肾功能衰竭乳腺癌病人的综合治疗(附6例报告)

目的:总结合并慢性肾功能衰竭乳腺癌病人的多学科合作和个体化治疗为主的经验。方法:回顾性分析2009年1月至2010年12月间本中心6例合并慢性肾功能衰竭乳腺癌病人诊治的临床资料。结果 :6例均行根治手术,其中4例行乳腺癌改良根治术,2例行乳腺癌保乳加腋窝淋巴结清扫术。1例长春瑞滨加表柔比星新辅助化疗,1例阿那曲唑新辅助内分泌治疗。随访至2014年2月,2例因慢性肾功能衰竭死亡,余4例均未出现复发转移。结论:慢性肾功能衰竭不是乳腺癌手术及全身治疗的禁忌证。通过多学科诊疗选择个体化的手术、化疗、放疗和内分泌治疗方案、严密监测肾功能,慢性肾功能衰竭病人仍可完成乳腺癌标准治疗,同样具有治愈可能。

基于UML的静态类图和ALSD实现建模与编码的统一的方法

统一建模语言UML(Unify Modeling Language)是面向对象软件建模的国际标准,但是UML中缺乏对过程的可视化静态建模部分。抽象逻辑结构图ALSD(Abstract Logical Structure Diagrams)是过程建模的有效表示工具。本文以程序代码的生成为目标,以UML的静态类图和ALSD为基础,结合UML的静态类图与ALSD,探讨了有关的代码生成机制,设计和实现了一个软件开发环境。它填补了类图中方法的可视化描述,实现建模和编码的有机统一,使整个程序的设计完全可视化。

面向不确定数据的近似骨架启发式聚类算法

不确定数据聚类是传统数据挖掘的扩展,面对不确定数据聚类,研究者们经常把聚类问题描述成组合优化问题,并设计启发式聚类算法进行求解.现有的启发式聚类算法,如UK-means和UK-Medoids具有容易理解和实现简单等优点,但初始解敏感问题严重影响了聚类质量.本文在近似骨架理论的基础上,提出了一种近似骨架启发式聚类算法APPGCU(Approximate backbone guided heuristic clustering algorithm for uncertain data).该算法首先对原数据集完成P次采样,在采样后的规模较小的P个数据集上分别执行UK-Medoids算法得到P个局部最优解;然后通过对P个局部最优解求交得到近似骨架,并从中提取初始簇心;最后从初始簇心开始,启发式搜索出聚类结果.在仿真和实际数据集中的实验结果表明,算法APPGCU的聚类结果明显高于实验对比的启发式聚类算法,提高了聚类质量.

一种多空间聚类算法

CLARANS算法是经典的划分聚类算法,其核心思想是采用随机重启的局部搜索方式搜索中心点.由于搜索空间布满了局部最优解的“陷阱”,因此它难以获得全局最优解,从而影响了聚类质量.针对这个缺点,本文将多空间思想与CLARANS算法相结合,提出了基于多空间思想的CLARANS算法—CABMS(CLARANSAlgorithmBasedonMulti-Space).该算法的基本思路是采用空间变换策略构造一系列光滑程度不同的搜索空间,在不同的搜索空间中执行CLARANS算法,并利用前层搜索空间的聚类结果来引导本层搜索空间的聚类.CABMS能够跳过局部最优解的“陷阱”,增大获得全局最优解的概率,达到提高聚类质量的目的.本文给出了等距法多空间构造策略,并通过实验对比了CLARANS算法与CABMS算法的聚类质量.实验结果表明,CABMS的聚类质量较CLARANS有较大改进.

渐进式项目驱动法在嵌入式系统课程改革中的应用——借鉴德国经验

在借鉴德国项目驱动式教学经验的基础上结合嵌入式自身特点,引入项目驱动的渐进式教学和实验方法,调整嵌入式系统的授课和实验内容使其适合渐进学习的原则,从企业中引进适合理论和实验教学的实际项目,改革现有课程评价体系使其更侧重于学生的实际动手能力。

多数据库中全局负关联规则挖掘研究

全局负关联规则挖掘是多数据库关联信息挖掘的重要研究内容,具有广泛的应用范围和使用价值.合并各子数据库的负关联规则是现有全局负关联规则挖掘常用的方法,但数据密度大、规则不全面及运算时间高等问题影响了已有全局负关联规则挖掘方法的效率.本文给出一种新的全局负关联规则挖掘算法,其具体步骤为:(1)扫描各子数据库,建立多数据库频繁模式树;(2)依据频繁项集全局一致性原则,对多数据库频繁模式树执行精简操作;(3)在此基础上产生全局极小非频繁项集;(4)依据极大频繁项集向上闭包原则,产生全局非频繁项集;(5)在规则相关度的基础上提取全局负关联规则.大量的对比实验结果表明,本文算法具有快速发现全局负关联规则的能力.

共有信息引导的启发式聚类算法

启发式聚类算法采用局部搜索策略发现使得目标函数取极小值的聚类结果,即局部最优聚类结果。算法虽然具有收敛速度快等优点,但是初始解敏感问题严重地影响了聚类结果的质量。利用多个局部最优聚类结果中的共有信息设计启发式聚类算法。首先给出共有信息的定义及其发现算法FCI_G;然后利用共有信息设计启发式聚类算法CIGC;最后在多组仿真和实际数据集上考察了CIGC算法的性能。实验结果表明,共有信息对提高聚类算法质量有着显著的作用。

人类文明新形态:中国式现代化的文明旨归

人类文明新形态是中国共产党从文明发展史高度创造的崭新文明观。人类文明新形态立足于开启中国式现代化道路新起点,是顺应“两个大局”时代语境的必然产物,是在马克思主义指导下,对中华优秀传统文化的继承升华,对资本主义文明的超越与发展。从要素构成层面入手,人类文明新形态是基于全人类的视域范围,以“五位一体”协同发展为核心内容,以弘扬全人类共同价值为崭新路向。人类文明新形态既为中国的社会主义现代化发展指明“新航向”,也为世界社会主义的跃升竖立“新航标”,同时必定为人类社会的发展开辟“新航路”。

乳腺黏液癌21基因复发风险评分与临床病理关系

目的:分析21基因复发风险评分(recurrence score,RS)在乳腺黏液癌的表达及其影响因素。方法:回顾性分析2013年1月至2017年6月95例雌激素受体阳性、人表皮生长因子受体2阴性及淋巴结阴性乳腺癌病人,对石蜡标本使用逆转录-聚合酶链反应进行21基因检测并计算RS。使用确切概率法比较不同RS与临床病理特征的关系,使用Logistic回归分析RS危险度分级的独立影响因素。结果:95例病人中位RS为21(3~59)分,低危、中危及高危复发风险病人各30例(31.6%)、49例(51.6%)及16例(16.8%)。RS在不同Ki67表达(P=0.024)及分子分型(P=0.013)病人中存在显著差异。多因素分析显示,分子分型是RS危险度分级的独立影响因素,Luminal B-like亚型病人RS为中危或高危的可能性显著增加(中危比低危:OR=3.390,95%CI:1.195~9.615,P=0.022;高危比低危:OR=4.425,95%CI:1.076~18.182,P=0.039)。结论 :乳腺黏液癌RS与Ki67表达及分子分型相关。分子分型是RS危险度分级的独立影响因素。