一种基于D^2权重的核k-means聚类算法

核k-means算法是标准k-means算法的扩展,提高了k-means聚类中对非线性不可分数据的聚类效果.传统核k-means算法的初始中心是随机选取的,导致出现聚类时间较慢、聚类性能低等问题.文中提出了一种基于D2权重的核k-means算法,它根据点对簇内距离的贡献,选取对其贡献最大的点为簇中心,然后在核空间内进行相应的聚类.在UCI数据集上进行实验,实验结果表明,新算法相对于传统的核k-means算法,可以有效地缩短聚类时间,并提高聚类的质量,新算法性能优于传统的核K-means算法.

夷陵山羊微卫星标记杂合度与生长性状的回归关系

【目的】分析夷陵山羊多位点杂合度(Multilocus heterozygosity,MLH)、等位基因距离平方均值(mean d^(2),MD)与生长性状之间的关系,并比较2种遗传指标在衡量近交程度上的差异。【方法】用14个SNP标记分析夷陵山羊、宜昌白山羊、麻城黑山羊、酉州乌羊和乌骨山羊等5个山羊品种的遗传关系。用7个微卫星标记估测247只夷陵山羊个体的MLH和MD。同时,测定体长、体高、胸围和体重等性状,计算G指数(G index,I_(G))、体质指数(Body mass index,I_(BM))和体重指数(Ponderal index,I_(P)),分别分析体重体尺性状、体重-体长指数与MLH、MD 2个指标的回归关系。【结果】体重与MD之间存在显著回归关系,回归方程表示为lg(WT)=0.03354 lg(d^(2)+1)+1.403(R^(2)=0.0172,P<0.05)。I_(G)与MD之间存在显著回归关系,回归方程表示为I_(G)=8.32 lg(d^(2)+1)+54.87(R^(2)=0.0288,P<0.05)。I_(BM)与MD之间存在显著回归关系,回归方程表示为BMI=12.58 lg(d^(2)+1)+70.83(R^(2)=0.0275,P<0.05)。I_(P)与MD之间存在显著回归关系,回归方程表示为I_(P)=27.25 lg(d^(2)+1)+120.4(R^(2)=0.0234,P<0.05)。【结论】夷陵山羊体重与MD之间存在显著正回归关系,说明其体重变异可能是遗传于其母系品种宜昌白山羊的长期适应性进化的结果。I_(G)、I_(BM)、I_(P)与MD之间存在显著回归关系,说明体型在一定程度上受远期遗传变异事件的影响。