基于Minkowski距离的一致聚类改进算法及应用研究

针对一致聚类算法中聚类数目判断不准确、聚类速度慢等问题,通过集成复杂网络中的Newman贪婪算法与谱聚类算法,提出了一种新的基于Minkowski距离的一致聚类算法.该算法利用Minkowski距离刻画样本间的相似度,根据随机游走策略,结合不同数据的特征值分布分析方法进行聚类,实现聚类数目的自动识别.实验仿真说明算法具有较少的运算时间及较高的聚类精度.结合实际铜矿泡沫浮选过程特点,将该算法应用于浮选工况分类,进一步验证了算法的有效性.

基于一致聚类和PLS方法的电子商务竞争力形成机理研究

城市电子商务竞争力反映了城市的发展水平,是城市产业竞争力的重要研究内容之一。文章在分析城市电子商务竞争力的内涵及系统结构的基础上,用一致聚类改进算法对53个全国电子商务示范城市分类,用PLS结构方程模型建立了各类别城市电子商务竞争力的形成机理,并进行实证分析。结果显示,机理模型和结构要素可以解释目前中国城市电子商务竞争力的状况。

一致性聚类鉴定两种不同的胰腺导管腺癌免疫亚型

胰腺导管腺癌早期诊断困难,容易发生肝转移,致死率极高。肿瘤微环境内免疫细胞,纤维细胞与肿瘤细胞之间相互的作用形成了胰腺癌复杂的肿瘤微环境并在其进展过程中发挥了重要作用。免疫治疗在黑色素瘤,结直肠癌,胃癌等晚期肿瘤取得重大突破,显著延长了病人生存周期。然而在胰腺癌中,免疫检查点抑制剂应答率仅为5%,疗效有限。大量研究表明,免疫细胞丰度与病人预后,免疫治疗疗效相关。了解不同胰腺癌免疫亚型之间潜在的调节机制,有助于开发免疫治疗新靶点,指导临床精准用药并预测免疫治疗疗效。本研究通过对145例胰腺癌患者免疫评分,基质评分及肿瘤纯度一致性聚类,鉴定出两种不同的胰腺癌免疫亚型。差异分析,富集分析及蛋白互作网络发现了30个调控肿瘤微环境的hub基因。随后单细胞测序数据分析发现这些hub基因在肿瘤细胞中密度最高,这些基因可能是调控肿瘤细胞与免疫细胞,纤维细胞的关键基因。在形成胰腺癌免疫抑制的肿瘤微环境时发挥了重要作用,可能是胰腺癌免疫治疗的新靶点。

基于局部类别一致k均值聚类的目标识别方法

针对复杂背景下的目标识别,提出了一种同时检测目标位置和区分目标类别的识别方法.该方法首先从图像中提取丰富的兴趣点,通过图像之间的对极几何约束,过滤出精确匹配的图像兴趣点;然后在兴趣点特征空间用局部类别一致k均值聚类方法生成特征码本;最后,对于给定的测试兴趣点集,通过投票得到表示目标类别的局部特征,采用最大化目标类别和目标位置的联合概率得到前景目标.在Caltech-101数据库和实际场景图像上的实验表明,该方法的识别精度大约提高了8%.

基于一致性聚类的在线服务信誉度量

用户对服务的评分可被视为用户对服务的分类,而服务信誉则是在用户对服务分类基础上进行聚类的结果.在聚类过程中不考虑在线服务信誉度量结果与所有用户分类之间的一致性关系,将导致通过聚合分类得到的信誉度量结果缺乏合理性.为此,提出一种基于一致性聚类的在线服务信誉度量方法.首先,根据用户-服务评分矩阵获取用户对服务的分类信息;其次,考虑到在线服务分类信息之间可能存在相似性,建立基于簇间和簇内相似性的最小成本生成树;然后,从具有最小相似度值的边开始对最小成本生成树进行切割,产生多种可能的聚类;最后,采用一致性质量函数和多数投票从多种可能的聚类中寻找整体质量高且非重叠的最终聚类,并以最终聚类为基础计算服务信誉.该方法充分考虑了用户对服务的分类与最终获得的信誉之间的一致性关系.通过实验验证了该方法的合理性和有效性.实验结果表明方法在不需要输入任何参数的情况下,自动计算出高质量信誉度量结果,同时还提高了信誉度量方法的抗操纵性,从而使用户能够根据该信誉结果做出正确的服务选择决策.

相似矩阵和聚类一致性的协同显著检测

针对现有协同检测算法存在显著非协同目标抑制不足的问题,提出了一种相似矩阵和聚类一致性的协同显著目标检测算法。首先,对图像进行超像素分割和从现有的多种显著检测算法得到基本显著图,通过基本显著图设置阈值结合超像素提取相应显著区域;其次,通过显著区域的RGB颜色特征构造直方图行向量,并将所有行向量组合成一个特征矩阵,再根据所有直方图应具有相似性特征并以此构造相似矩阵;再次,将相似矩阵应用于低秩矩阵分解模型中,分解特征矩阵得到噪音稀疏矩阵,并以此得到加权值,融合加权值和基本显著图得到加权显著图;最后,采用聚类一致性得到协同显著值,并融合加权显著值,得到最终显著图。在i Coseg Sub和i Coseg数据集验证实验,算法更好地抑制了显著非协同区域,取得了较高的准确度。

JCR收录期刊评价方法的聚类结果一致度分析

为了提高学术期刊评价能力,提出一种基于聚类分析的JCR收录多属性评价方法。根据所得分数的高低对各评价方法进行排序,与原始数据的分类排序结果一致。对比各评价方法的聚类分类结果和原始数据聚类结果,进行聚类一致度分析,发现应选择倒数平均方法来完成评价过程。将各类评价方法所得的聚类结果和原始数据聚类结果相比所得期刊数一致性结果可以发现,继续进行聚类所得的一致度结果表明聚类数量基本不会对评价方法的选择造成影响。

多智能体系统的聚类-分量一致性

为研究多智能体系统的聚类一致性动力学行为,建立了一阶非线性多智能体系统的模型。通过引进相应的控制协议,讨论了相应误差系统零解的渐近稳定性以及零解关于部分変元的稳定性,得出系统达到实现聚类-分量一致性的充分条件。最后实例验证了理论结果的可行性。

基于深度Q网络的一致性聚类方法

一致性聚类本质上是一个组合优化问题,这已经被证明是NP完全型难题,主要困难在于从不同聚类算法的输出结果中求出一个共识聚类。在通过单个簇标记变化来更新目标函数的基础上,提出基于深度Q网络的一致性聚类方法。不同于贪心和启发式方法,该方法将一致性聚类问题形式化为马尔科夫决策过程来优化目标函数。首先将一致性聚类问题定义为强化学习任务,然后利用深度强化学习方法DQN求出一致性聚类,同时调研了15种聚类外部指标以构建目标函数,比较不同指标在提出的框架上的性能差异。在UCI数据集上的实验结果表明,该方法有效且在多种指标上取得了较好的聚类效果。

一种改进的可能性聚类算法及其有效性指标

可能性聚类有两大缺陷:一致聚类中心问题和有效性指标失效问题。对于第一个问题,有人提出在目标函数中添加聚类中心排斥项,但这样会引入更多的参数。为此,本文提出了一种改进的可能性聚类算法,较好地解决了这个问题。对于第二个问题,本文通过对隶属度作适当变换,使修正的有效性指标适用于可能性聚类。实验结果表明,该算法的优越性明显,有效性指标估计更为准确。

基于信息理论的网络文本组合聚类

尽管近年来针对文本聚类问题进行了大量研究,其仍然是数据挖掘领域的一个富有挑战性的问题,特别在弱相关特征乃至噪声特征的处理上,仍然存在诸多挑战。针对这一问题提出了文本聚类的分解-组合算法框架——DIAS。该方法首先通过简单随机特征抽样将高维文本数据进行分解得到多样化的结构知识,其优点是能够较好地避免产生大量的噪声特征。然后采用基于信息理论的一致性聚类(ICC)将多视角基础聚类知识组合起来,得到高质量的一致性划分。最后通过在8个真实文本数据集上的实验,证明DIAS算法相较于其他被广泛使用的算法具有明显优势,特别在处理弱基础聚类上具有突出效果。由于在分布式计算上的天然优势,DIAS有望成为大规模文本聚类的主流算法。

欺骗攻击下多智能体网络的均方有界聚类一致性

针对非线性多智能体网络,研究了欺骗攻击下网络系统均方有界聚类一致性问题.首先,将所有网络节点分为不同子群.由于欺骗攻击的存在,控制信号可能会被错误信号代替,通过引入伯努利随机变量,衡量欺骗攻击是否成功.其次,设计一种采用牵引策略的分布式脉冲控制器,确保在存在欺骗攻击的情况下实现均方有界聚类一致性.进一步,利用图论、线性矩阵不等式和李雅普诺夫函数方法,给出了欺骗攻击下实现多智能体网络均方有界聚类一致性的充分条件.最后,通过仿真例子验证理论结果的可行性和有效性.

非线性多智能体系统的无模型自适应聚类一致性控制

针对一类模型未知的离散时间非线性多智能体系统聚类一致性问题,提出一种无模型自适应控制算法.首先,假设系统具有固定拓扑,利用伪偏导数概念得到系统的数据关系模型,在考虑多智能体之间耦合系数条件下给出聚类一致性误差,在此基础上设计一种数据驱动的聚类一致性跟踪控制协议;然后,采用压缩映射方法在理论上分析了跟踪误差的收敛性,结果表明所提出算法不需要智能体模型信息即可完成跟踪任务,是一种数据驱动的控制方法;最后,将结果拓展至随机切换拓扑结构的多智能体系统中,数值仿真结果验证了所提出算法的有效性.

骨肉瘤中铜死亡相关亚型鉴定、预后模型构建以及免疫细胞浸润分析

目的:在铜死亡基因基础上分析骨肉瘤(OS)中铜死亡基因相关亚型鉴定、预后模型构建和免疫浸润的影响。方法:联合TARGET与GEO数据库对OS相关铜死亡基因进行生存分析及预后相关性分析。采用一致性聚类方法将OS分为铜死亡不同亚型。运用SSGSEA对铜死亡分型进行免疫细胞差异分析。设置P value=0.05和q value=0.05,对铜死亡分型的差异基因进行GO及KEGG富集分析。依据Lasso回归分析及交叉验证结果构建预后模型,并进行风险评估分析和运用ROC曲线评估模型预测准确性。结合临床性状构建列线图预测患者生存期,同时进行风险差异分析。对OS样本进行免疫细胞浸润和肿瘤微环境分析。运用R软件“pRRophetic”包对OS样本进行药物敏感性分析。结果:确定FDX1、GLS、DLAT和PDHB为OS预后的高风险基因。对OS样本进行铜死亡分型,可将OS分为两型:CRGclusterA与CRGclusterB,其中CRGclusterA与Th2细胞相关,CRGclusterB与Th1细胞相关。大部分OS铜死亡基因在CRGclusterA中呈高表达。免疫细胞浸润分析结果表明γδT细胞、静息肥大细胞和静息树突状细胞与风险评分呈正相关,而CD8 T细胞与风险评分呈负相关。药物敏感性分析显示OS对Elesclomol与GW.441756更敏感。结论:本研究识别出CRGclusterA与CRGclusterB两种亚型。鉴定出4个预后高风险基因:FDX1、GLS、DLAT和PDHB,为OS预后评估和免疫治疗候选靶点提供了新见解。

基于聚类分析的期刊多属性评价方法选择研究——聚类结果一致度筛选法

[目的 /意义]解决学术期刊多属性评价方法众多、评价结果不一致问题。[方法 /过程]提出一种基于聚类分析的多属性评价方法选取方法——聚类结果一致度筛选法。其原理是首先对原始评价指标进行聚类,然后采用可行的多属性评价方法进行评价并对评价结果进行二次聚类,最后根据评价结果聚类与原始指标聚类结果一致度的高低来选择评价方法,优先选取聚类结果一致度最高的评价方法。本文基于JCR2015数学期刊,选取11个指标,分别采用加权线性汇总、TOPSIS、VIKOR、主成分分析、调和平均进行评价,然后基于聚类结果一致度进行评价方法选取,发现调和平均的聚类一致度最高。[结果 /结论]可以采用该方法对多属性评价方法进行选择;聚类种类设置对结果影响较小;该方法具有较高的稳健性。

基于模糊邻近关系的结构聚类

在有序粒度空间理论的基础上,提出了基于模糊邻近关系的结构聚类分析理论和方法.首先,给出了依据距离的一致聚类的概念,提出了模糊粒度空间的一致聚类特征;其次,给出了模糊邻近关系结构聚类的粒度表示,并获得了基于模糊邻近关系结构聚类的快速算法;进而,提出了获取最佳聚类的新方法,并且这一方法是全局最优的;最后,给出了通过两个模糊邻近关系的交运算获取结构聚类融合的方法.为复杂系统结构分析研究提供了一整套理论工具和方法.

基于归一化距离的结构聚类分析

在有序粒度空间理论的基础上,提出基于归一化距离的结构聚类(分类)分析理论和方法研究.首先,提出依距离的一致聚类的概念,给出有序粒度空间的结构聚类特征研究.其次,给出基于归一化距离结构聚类分析完整的理论研究,获得基于归一化距离结构聚类的算法.再给出基于粒度空间的最佳聚类问题研究,提出基于粒度空间的、获取最佳聚类的方法,并且这一方法具备全局最优性质.最后,给出基于归一化距离空间的结构聚类的融合技术的研究,即通过两个归一化距离的交运算获取结构聚类融合的研究方法.这些结论为基于距离的结构聚类(分类)提供一整套理论和方法.

引入视觉显著性的多特征融合跟踪

针对大多数目标跟踪算法采用单一特征描述目标,在背景区域出现相似的干扰特征时跟踪精确度较低的问题,提出了一种引入视觉显著性的多特征融合的目标跟踪算法。首先,采用视觉显著性机制处理颜色直方图得到显著性特征,再使用混合特征策略融合显著性特征和BRISK(binary robust invariant scalable keypoints)特征,获取目标前景和背景模型;其次,运用双向光流检测和误差度量提取动态特征,并使用自适应搜索机制提取候选目标区域的静态特征,融合动态特征和静态特征;最后,根据匹配算法估算目标跟踪框的自适应尺度及中心,确定目标在当前帧图像中所处的位置。实验结果表明,该算法能够处理强烈光照变化、目标尺度变化、快速运动及部分遮挡等情况下的目标跟踪问题,并实时稳定地获得单目标跟踪结果。

基于CIBERSORT预测乳腺癌浸润性免疫细胞比例及亚型预后分析

乳腺癌是目前女性最常见的癌症,在乳腺癌患者治疗的过程中,确定浸润性的免疫细胞比例最有可能成为药物的靶标来提高患者的生存率,对乳腺癌患者后续的治疗和预后分析具有重要的意义和价值.反卷积的目的就是试图从复杂组织中推断免疫细胞的比例信息,进而准确刻画肿瘤样本中免疫细胞的浸润情况.因此应用CIBERSORT反卷积算法预测不同免疫细胞在乳腺癌样本中所占的比例,基于此数据应用一致聚类分析对乳腺癌样本进行了亚型分类,最后根据分类的结果进行预后分析.结果表明不同的亚型对肿瘤预后存在着显著的差异(p值为0.0082,小于0.05),应用CIBERSORT算法和一致聚类分析对患者进行预后分析具有一定的合理性,可为临床诊断及治疗提供一定的帮助.

密集杂波环境下基于KD树优化的DBR-RANSAC目标跟踪算法

地面战场侦察雷达存在虚假目标多、真实目标难以区分等问题。为了降低复杂环境下密集杂波的影响,形成稳定航迹,并提高雷达数据处理的实时性,文中提出一种基于K维树优化的密度聚类随机采样一致性多目标跟踪算法,降低使用批处理进行航迹起始时对大量数据进行密度聚类带来的运算负担;同时,利用相控阵雷达的波位信息对数据关联过程进行优化。仿真和试验数据验证表明:文中提出的算法在密集杂波环境下可有效提高运算效率并保持较高的跟踪性能。