基于层次聚类算法的大型玉米收获机械模块划分方法

针对大型玉米收获机械传统设计模式研发周期长,设计成本高等问题,采用分层次模块划分方法,对玉米收获机械进行功能划分,将总功能分解为一级功能、二级功能和功能载体,建立产品的功能主结构后,将整机划分为9个功能模块;基于功能-装配-能量接口关系,提出了部件层的模块划分原则,通过零部件之间的功能关系、装配关系、能量-接口关系建立加权模糊矩阵,将抽象的连接关系映射为具体化的关联矩阵,采用层次聚类算法求解关联矩阵,将9个功能模块细分为186个二级模块和645个子模块,从而实现了玉米收获机部件层零部件模块的精确划分。为实现该模块划分方法的工程应用,基于Qt Creator平台,开发大型玉米收获机械模块化快速设计系统,该系统可完成模块划分、模块管理和基于用户需求的模块配置等功能,从而实现大型玉米收获机械的快速设计。与传统玉米收获机械设计方法相比,应用模块划分方法可显著提升大型玉米收获机械设计效率,缩短整机产品的开发周期。     

一体化医学语言系统中的循环等级关系

 

主要讨论了一体化医学语言系统（UMLS）超级叙词表中的循环等级关系和产生原因,及其识别和消除方法。

     

基于分层定位的研究生培养模式多元化研究

研究生培养模式的多元化能使社会需求的多元化、学校定位的多层化、个人发展的多样化等要素得以有机结合与有效实现。基于多样化的高校分层定位有效模式,以及多维化的人才培养质量观,对高校研究生教育的分类研究至少应考虑下列因素:社会对高级专门人才的需求结构,高等教育三大职能对教育资源的共享、有效组合与匹配,博士研究生、硕士研究生的培养对高级教育资源的有效利用与共享,以及区域经济的发展等。     

分层信息融合的物体级显著性检测

目的 显著性检测是基于对人类视觉的研究,用来帮助计算机传感器感知世界的重要研究手段。现有显著性检测方法大多仅能检测出人类感兴趣的显著点或区域,无法突出对象整体的显著性以及无法区分对象不同层次的显著性。针对上述问题,提出一种基于分层信息融合的物体级显著性检测方法。方法 与当前大多数方法不同,本文同时运用了中级别超像素和物体级别区域两种不同层次的结构信息来获取对象的显著图。首先,将图像分割为中级别的超像素,利用自下而上的方法构造初始显著图;然后通过谱聚类方法将中级别的超像素聚类成物体级的区域,并运用自上而下的先验来调整初始先验图;最后,通过热核扩散过程,将超像素级别上的显著性扩散到物体级的区域上,最终获得一致的均匀的物体级显著性图。结果 在MSRA1000标准数据库上与其他16种相关算法在准确率-召回率曲线及F度量等方面进行了定量比较,检测的平均精度和F-检验分数比其他算法高出5%以上。结论 通过多层次信息融合最终生成的显著图,实现了突出对象整体显著性以及区分不同对象显著性的目标。本文方法同样适用于多目标的显著性检测。     

Spindle multipolarity is prevented by centrosomal clustering

Most tumor cells are characterized by increased genomic instability and chromosome segregational defects, often associated with hyperamplification of the centrosome and the formation of multipolar spindles. However, extra centrosomes do not always lead to multipolarity. Here, we describe a process of centrosomal clustering that prevented the formation of multipolar spindles in noncancer cells. Noncancer cells needed to overcome this clustering mechanism to allow multipolar spindles to form at a high frequency. The microtubule motor cytoplasmic dynein was a critical part of this coalescing machinery, and in some tumor cells overexpression of the spindle protein NuMA interfered with dynein localization, promoting multipolarity.     

Multidimensional scaling, tree-fitting, and clustering

American mathematical psychologists have developed computer-based methods for constructing representations of the psychological structure of a set of stimuli on the basis of pairwise measures of similarity or confusability. Applications to perceptual and semantic data illustrate how complementary aspects of the underlying psychological structure are revealed by different types of representations, including multidimensional spatial configurations and nondimensional tree-structures or clusterings.     

一种约束的改进可能性C均值聚类方法研究

【目的】针对改进的可能性C均值聚类方法(IPCM)运算效率低,难以处理复杂数据结构的问题,提出了一种约束的改进可能性C均值聚类方法(CIPCM).【方法】CIPCM方法采用多项式核将特征向量映射到一个隐性特征空间,便于处理复杂的数据结构;引入两个成对约束集合,降低聚类迭代次数,提高运算效率和抗干扰能力.实验采用国际公认的UCI公共测试数据集,并用错分率指标评测了目标分类性能.【结果】CIPCM方法的聚类错分率低,对噪声的鲁棒性强.【结论】CIPCM运算效率比高于改进可能性C均值聚类方法.     

Crossing the nuclear envelope: hierarchical regulation of nucleocytoplasmic transport

Transport of macromolecules between the nucleus and cytoplasm is a critical cellular process for eukaryotes, and the machinery that mediates nucleocytoplasmic exchange is subject to multiple levels of control. Regulation is achieved by modulating the expression or function of single cargoes, transport receptors, or the transport channel. Each of these mechanisms has increasingly broad impacts on transport patterns and capacity, and this hierarchy of control directly affects gene expression, signal transduction, development, and disease.     

合并与不合并：两个相似性聚类分析方法比较

以山西省4638种昆虫在7个地理小区的分布、内蒙古7766种昆虫在14个地理小区的分布和中国16804属昆虫在67个生态区域的分布3组数据为样本,用传统的层层合并的相似性聚类分析法(SCA)和新的不需合并的多元相似性聚类分析法(MSCA)进行运算分析,对比结果表明,不合并法都能得到既符合统计学逻辑,又符合地理学、生物学逻辑的结果;合并法在参与小区较少时,还能够得到与不合并法类似的结果,随着参与小区的增多,聚类结构发生变化,以致聚类功能彻底丧失。无论两种聚类结果差异大小,其性质都迥然不同:不合并法的相似性系数是固有的、互相独立的、同时存在的,聚类结果是所有小区之间关系亲疏、距离远近的状态;合并法的每个相似性系数都是合并的依据或结果,前一个系数是后一个系数产生的条件,后一个系数是前一个系数消亡的结果,严格按照顺序,当最后一个系数产生时,前面所有系数和所有小区都已不复存在,聚类结果只是记录不断合并、不断消亡的过程。因此在肯定合并法历史价值的同时,认为申效诚等创建的多元相似性系数公式及多元相似性聚类分析法摈弃合并降阶这一产生偏差和错误的根源,能够得出相对客观的聚类结果,是生物地理学研究领域有效的聚类分析工具,必将推动生物地理学定量研究迈入一个新阶段。     

K步稳定的鞋印花纹图像自动聚类

目的 鞋印是刑事侦查的重要物证之一,如何对积累的大量鞋印花纹图像进行自动归类管理是刑事技术迫切需要解决的问题之一。与其他类图像不同,鞋印花纹图像具有种类多但数目未知、同类花纹分布不均匀且同类花纹数目少的特点。基于鞋印花纹图像的这些特点,用目前典型的聚类算法对鞋印花纹图像集进行聚类,并不能取得很好的效果。在对鞋印花纹图像进行分析的基础上,提出一种K步稳定的鞋印花纹图像自动聚类算法。方法 对已标记的鞋印花纹图像进行统计发现,各类鞋印花纹之间在特征空间上存在互不相交的区域(本文称为隔离带)。算法的核心思想是寻找各类鞋印花纹之间的隔离带,来将各类分开。过程为:以单调递增或递减的方式调整特征空间中判定两点为一类的阈值,得到数据集的多次划分;若在连续K次划分的过程中,某一类的成员不发生变化,则说明这K次调整是在隔离带中进行的,即聚出一类,并从数据集中删除已标记的数据;选择下一个阈值对剩余的数据集进行划分,输出K步不变的类;依此类推,直到剩余数据集为空,聚类完成。结果 在两类公开测试数据集和实际鞋印花纹数据集上进行实验,本文算法的主要性能指标都超过典型算法,其中在包含5792枚实际鞋印花纹数据集上的聚类准确率和F-Measure值分别达到了99.68%和95.99%。结论 针对鞋印花纹图像特点,提出了一种通过寻找各类之间的隔离带进行自动聚类的算法,并在实际应用中取得了很好的效果。且算法性能受参数的变化以及类的形状影响较小。本文算法同样适用于具有类似特点的其他数据集的自动聚类。     

分层聚类分析法在小麦区域试验中的应用

区域试验试点选取的正确与否及试点的多少,关系到试验的代表性及结果的可靠性。本文采用分层聚类分析法,对国家黄淮麦区19个试验点的小麦区域试验产量资料进行了分析。结果表明,黄淮麦区的19个试验点可划分为16类,试验点的选取基本切合实际。     

杏鲍菇菌株间酯酶同工酶的聚类分析

利用Jaccard系数计算法及Fuzzy聚类法对6个杏鲍菇菌株的酯酶同工酶进行测定，结果表明，6个菌株可分为3类：Pe4与Pe6酶谱相同(Sj=1．000)归为一类；Pe1、Pe3、Pe5(Sj=0．900)归为一类；Pe2自成一类。其中Pe5酶带数多且粗，活性最强，工厂化栽培表现为较强的耐CO2能力、菇形好、口感佳、生物学效率高，是适宜工厂化栽培的菌株。     

Synthesis and structure determination of the hierarchical meso-microporous zeolite ITQ-43

The formation of mesopores in microporous zeolites is generally performed by postsynthesis acid, basic, and steam treatments. The hierarchical pore systems thus formed allow better adsorption, diffusion, and reactivity of these materials. By combining organic and inorganic structure-directing agents and high-throughput methodologies, we were able to synthesize a zeolite with a hierarchical system of micropores and mesopores, with channel openings delimited by 28 tetrahedral atoms. Its complex crystalline structure was solved with the use of automated diffraction tomography.     

基于Web of Science数据的生物信息学同被引聚类分析

以Web of Science网络数据库中2007年的生物信息学文献为源文献,对高频被引论文进行同被引聚类分析,同时应用多维标度技术获得同被引论文的二维散点图,〖XD〗结合生物信息学和情报学知识总结该领域的学科结构和研究热点。

     

复杂网络交叠团模糊分析与信息挖掘

模块结构是复杂网络重要拓扑属性之一。多数模块聚类算法将网络分割为彼此无重叠、不关联的孤立团,同时很少有方法兼具模糊聚类与聚类后分析能力。针对复杂网络交叠团的聚类与模糊分析方法设计问题,给出一种新的模糊度量及相应的模糊聚类方法,并以新度量为基础,设计出两种挖掘网络模糊拓扑特征的新指标：团间连接紧密程度和模糊点对交叠团的连接贡献度,将其用于网络交叠模块拓扑结构宏观分析和团间关键点提取。实验结果表明,使用该聚类与分析方法不仅可以获得模糊团结构,而且能够揭示出新的网络特征,该方法为复杂网络聚类后分析提供了新的视角。