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。

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.

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.

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。

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.

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。

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。

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。

WKMeans与SMOTE结合的不平衡数据过采样方法

针对SMOTE方法对所有少数类样本进行过采样的缺陷,提出一种基于特征加权与聚类融合的过采样方法(WKMeans-SMOTE),由此进行不平衡数据分类。考虑到不同特征权重对聚类结果的影响程度不同,选择特征加权的聚类算法对原始数据集进行聚类,并多次改变初始簇中心生成不同的聚类结果;根据簇标签匹配方法将不同的聚类结果进行匹配,引进“聚类一致性系数”筛选出处于少数类边界的样本;对筛选出的少数类样本进行SMOTE过采样,并采用CART决策树方法作为基分类器,对新的少数类样本与所有的多数类样本进行训练。实验结果表明,与现有的SMOTE、Borderline-SMOTE和ADASYN等过采样方法相比,所提出的WKMeans-SMOTE方法在分类性能上有一定的提升。

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。

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。

基于DNA甲基化模式筛选评估结肠腺癌预后的标记物

为了通过分析DNA甲基化谱识别出与预后相关的结肠腺癌亚型。从TCGA数据库获取了结肠腺癌患者的甲基化数据,通过差异甲基化分析和构建COX比例风险回归模型筛得与预后显著相关的CpG位点,并通过一致性聚类识别出7个亚型。生存分析和临床特征检验显示7个亚型间预后差异显著且亚型特征可由多种临床特征反映。此外,用7个亚型间识别出的差异甲基化位点构建的基于SMO(序列最小最优化)的预测模型在各亚型上都有较高的AUC值,并用检验集进行了验证。综上,本研究利用生物信息学算法识别了7个预后差异的结肠腺癌亚型并挖掘了它们的特异性甲基化标记。该研究结果或可使得结肠腺癌预后被更精准地评估,为早期诊断及治疗方案提供新思路。

不明原因复发性流产患者的基因表达谱亚组分析

目的探讨不明原因的复发性流产(RSA)患者的基因表达谱的异质性,确定亚组子宫内膜生物学过程的区别。方法从GEO数据库中获取GSE165004和GSE26787基因表达序列,应用ComBat方法去除批次效应后,应用Consensus Clustering方法对29个病例组进行无监督聚类并分成3个亚组(RSA1、RSA2、RSA3),3个亚组再分别与对照组进行差异表达分析。利用GO富集和KEGG富集对差异表达基因(DEGs)进行生物学功能和途径注释。应用cytoHubba识别中心基因。结果RSA1和对照组主要富集在与核分裂、细胞分裂等细胞周期相关,代谢途径有蛋白质消化吸收和细胞外基质(ECM)受体相互作用;RSA2组和脂质、氨基酸代谢过程的调控有关,代谢途径主要有花生四烯酸代谢和甲状腺激素合成;RSA3组和金属离子等细胞信号有关。结论RSA1亚组的细胞周期明显失调;RSA2亚组的脂质、氨基酸代谢失调;RSA3亚组的细胞信号失调。