复杂网络聚类算法在生物网络中的应用

复杂网络在现实世界中普遍存在,具有小世界性和无标度性等统计特性,网络簇结构是复杂网络重要的拓扑属性之一。在复杂生物网络中使用聚类算法揭示生物网络中的簇结构对分析生物网络的拓扑结构、预测其功能都具有重要意义。对复杂网络聚类方法在蛋白质-蛋白质相互作用网络和新陈代谢网络中的应用及其进展情况进行了综述,分析了几种聚类算法的评价函数和适用条件,并对生物网络聚类算法研究所面临的主要问题进行了讨论。

基于熵值法定权的组合模型在变形预测中的应用

本文在介绍新陈代谢GM(1,1)、BP神经网络、卡尔曼滤波等三种单一的预测模型的基础上建立了基于熵值法定权的组合模型,通过实验分别对单一模型和组合模型进行分析和论证。实验结果表明:基于熵值法定权的组合模型预测精度要比单一的预测模型进度有所提高,为高精度变形预测又提供了一种新的行之有效的方法。