Composition Analysis and Identification of Ancient Glass Products Based on L1 Regularization Logistic Regression

In view of the composition analysis and identification of ancient glass products, L1 regularization, K-Means cluster analysis, elbow rule and other methods were comprehensively used to build logical regression, cluster analysis, hyper-parameter test and other models, and SPSS, Python and other tools were used to obtain the classification rules of glass products under different fluxes, sub classification under different chemical compositions, hyper-parameter K value test and rationality analysis. Research can provide theoretical support for the protection and restoration of ancient glass relics.

基于改进K-means聚类的指纹室内定位方法研究

由于室内环境的复杂性和多变性,传统的指纹定位技术往往难以实现高精度的室内定位。文章提出了一种基于改进K-means聚类的指纹室内定位方法,通过引入肘部法则确定K值,聚类划分离线位置的指纹数据库,改善了K-means聚类的效果,并在聚类和定位过程中对离群点进行检测修正,进一步提升定位精度。经实验结果比较与分析,本文方法相较于未聚类修正前,定位误差由3.7m降至1.8m,有效提升了定位精度。

高维数据聚类数量可视化确定模式

为了解决经典K-均值聚类算法要求用户事先知道待处理数据的聚类数量及聚类结果对算法的初始化很敏感的问题,提出一种对K-均值聚类算法的改进措施并可视化地确定聚类数量的综合方案。首先,对数据进行标准化,使其服从正态分布,利用主分量分析(princi‐palcomponentanalysis,PCA)抽取数据中最重要的特征以实现高维数据的降维;然后,采用最远质心选择和最小-最大距离规则对K-均值聚类算法的初始化进行修正,避免出现空聚类并确保数据的可分离性;在此基础上,采用统计经验法则估计聚类数量的可能范围,通过搜索在此范围内平方误差和(sum-of-squared-error,SSE)曲线的肘部估计最佳的聚类数量;最后,通过计算比较各个聚类的轮廓系数以评价算法的聚类质量,从而最终确定数据集固有的聚类数量。仿真结果表明,该方案不仅能可视化地确定数据集潜在的聚类数量,而且为大数据时代的高维数据分析提供了一种有效的方法。

基于现代文献穴位敷贴治疗网球肘选穴用药规律分析

目的探讨穴位敷贴治疗网球肘选穴及所用中药的性、味、归经等规律特点,为网球肘穴位敷贴治疗标准化提供参考和借鉴,为腧穴配伍及穴位敷贴用药处方提供理论依据。方法通过计算机检索中国期刊全文数据库(CNKI)、万方数据知识服务平台(WF)和维普数据库等自建刊以来的研究成果中穴位敷贴治疗网球肘的临床文献,采用数据挖掘中的频次分析方法,分析穴位敷贴治疗网球肘的选穴及用药规律。最终共纳入文献59篇,包括12个穴位、116味药物。结果与结论统计分析发现,在所属经脉穴位选择上,以阿是穴为主穴,以奇经穴为主,穴位类型以合穴为主;用药以草乌、川乌、白芷、细辛居多,以祛风寒湿药为主,多归于肝经,药性多温,药味以辛、苦、甘味为主。

基于改进K-means和CNN的储罐罐底点蚀诊断模型

为解决储罐罐底点蚀问题,提出基于改进K-means和CNN的储罐罐底点蚀诊断模型,在传统聚类基础上引入肘部法则,保证k值选取3的准确性,将原始声发射信号特征参数和聚类后的类别信息输入模型进行训练,系统预测准确率高达99%。研究结果表明:该模型能够及时发现点蚀现象,指导管理者确定储罐开罐检查时间顺序,避免点蚀穿孔造成的人力、物力损失,降低储罐运行风险,保障储罐运行安全,研究结果可为罐底点蚀诊断提供技术支撑。

基于中红外光谱法中药材鉴别的方法研究

基于小波消噪后的中药材中红外光谱数据,通过肘部法则确定最优聚类数进行K-means聚类分析,实现不同药材种类的鉴别;在特征区间上构建以欧式距离为度量的相似度模型,实现同一药材不同产地的的鉴别。经验证,所得结果的正确率均可达到98%以上,该方法为中药材的鉴别提供了新思路,具有很好的推广价值。

基于Light-GBM算法对生物活性的定量预测

雌激素受体α亚型(ERα)作为乳腺癌内分泌疗法的重要靶点,拮抗ERα活性的化合物可能是治疗乳腺癌的候选药物。本文首先对数据进预处理,包括使用肘部法则和轮廓系数确定K-means聚类K值,再进行聚类处理,并用安德鲁斯曲线可视化。采用方差过滤法和随机森林法对分子描述符进行重要性排序,并对初筛变量进行皮尔逊相关性分析,得到对生物活性影响最显著且独立性较强的20个分子描述符。接着,基于Light-GBM算法建立化合物ERα生物活性的定量预测模型,将数据集按照4:1的比例划分为训练集和测试集。测试集的MSE为0.468、RMSE为0.684、MAE为0.499、R-square为0.788。本文的模型具有较高的预测精度,能加快新药的研发速度,有助于研究乳腺癌的发生和发展机制。