非线性季节型电力负荷曲线集成聚类算法研究

传统方法直接设定聚类数量,得到的结果并非最优聚类数,且针对大规模电力数据,单一聚类方法无法同时达到聚类精度与效率两方面要求。为此,提出一种新的非线性季节型电力负荷曲线集成聚类算法。用DBI指标对聚类效果进行评价,将与DBI最小值相应的聚类数据作为最优聚类数量。通过模糊C均值聚类方法,依据原始非线性季节型电力数据对象间的相似程度,获取初始聚类中心。利用聚类性能更优、稳定性更高的层次聚类方法完成对聚类中心的组合,获取有效的集成聚类结果。实验结果表明,所提方法能够同时保证聚类精度与聚类效率,整体性能较强。     

Java类加载器机制与模型

主要讨论Java类加载器,类加载器是Java运行环境的一部分,它可以动态地把类加载到Java虚拟机中,而在通常情况下,类仅在被需要的时候加载。正是有了类加载器机制,Java虚拟机无需了解类文件的结构和类文件系统。在类加载器的选择中,Java使用了双亲委派模型来处理由谁来加载类。     

基于人工免疫增量的聚类算法

文章提出了一种基于人工免疫增量的聚类算法。该算法在人工免疫可更新聚类算法的基础上,结合蚁群增量聚类算法的思想,将原聚类得到的记忆抗体矩阵作为初始矩阵,调用人工免疫聚类算法处理增量数据,然后采用类解体机制处理类内误差超过规定阈值的聚类。     

海量数据信息中的迭代聚类过程的改进研究

对海量数据信息进行迭代聚类能够为数据挖掘提供准确的依据,具有重要的应用价值。传统算法对于初始参数的选取过于敏感,从而降低了迭代聚类的准确率。提出基于并归聚类的海量数据信息中的迭代聚类方法。采用离差隶属度进行数据信息聚类中心的计算,确定数据信息的聚类中心;采用类间距离作为并归聚类判别的标准,用于判定数据信息特征与聚类中心的距离;对海量数据信息特征与聚类中心的计算结果进行归类处理,直至所有的数据信息的聚类中心都结束并归,从而获得准确的迭代聚类结果。仿真实验结果表明,改进算法能够提高海量数据信息中的迭代聚类结果,效果令人满意。     

英语常用修辞

本文从英语积极修辞的角度出发,将其分为喻类修辞格、代类修辞格、对照并列类修辞格、反复类修辞格、双关类修辞格、仿拟类修辞格和节略类修辞格七种,介绍常用的英语修辞格。     

科学计量学常用工具的聚类算法分析

介绍聚类算法的过程以及聚类有效性指标的分类,分别评述科学计量学常用软件中的几种聚类算法,分析聚类算法的特性并采用基于类内紧密度和类间分离度对聚类结果的有效性进行探讨,总结各聚类算法的效果并对应软件分析的结果进行案例分析。     

浅谈商务汉语实践类课程的必要性及设置安排——以浙江师范大学为例

本文以浙江师范大学为例,考察商务汉语实践类课程设置中存在的问题,确定商务汉语实践类课程的内涵及特点。根据交际能力的实现水平和课程使用层次,将商务汉语实践类课程划分为基础类、信息交流类、跨文化交际类三种课程。确立商务汉语实践类课程的设计原则,并探讨商务实践类课程的具体设置及课程安排。     

基于优化初始聚类中心的K-means聚类算法

针对传统的K-means算法运行的结果依赖于初始的聚类数目和聚类中心,本文提出了一种基于优化初始聚类中心的K-means算法。该算法通过量化样本间距离和聚类的紧密性来确定聚类数目K值;根据数据集的分布特征来选取相距较远的数据作为初始聚类中心,避免了传统K-means算法的聚类数目和聚类中心的随机选取。UCI机器学习数据库数据集的实验证明,本文所提出的改进的聚类算法获得了良好的聚类效果,同时获得较高的聚类准确率。     

抗生素的药物不良反应问题探析

抗菌药物是最常用的一类用药,包括抗生素类、抗真菌类、抗结核类及具有抗菌作用的中药制剂类。其中以抗生素类在临床使用的品种和数量最多。本文着重阐述一下抗生素类的药物不良反应问题。     

破译洁肤化妆品之密码

化妆品是每个人每天都离不开的必需品,在我国化妆品按功能可分为六大类,即洁肤类化妆品、护肤类化妆品、彩妆类化妆品、芳香类化妆品、毛发用化妆品和特殊用途类化妆品。本文就从洁肤类化妆品的特点出发浅谈一下如何选择适合自己的化妆品。     

医药卫生类核心期刊微信公众号服务学科现状探析

通过对42种医药卫生类核心期刊微信公众号服务学科类栏目的调研分析,旨为了解微信公众号在服务学科上的状况。结果发现,服务学科类栏目主要有会议服务类、病例分享类、业务提升类、行业资讯类、指南共识类、科普推广类、科研服务类及其他类等8种;表现形式有纯文字式、视频式、讨论式、课件式、平台式和游戏式等6种。丰富的学科内容和多种表现形式使其微信公众号具备了较强的学科服务功能,相关从业人员精选关注微信公众号将有利于个人学术业务的提升。     

开源软件商业模式结构化分析

随着开源软件的普及与发展,与之相关的商业模式呈现多样化态势。基于商业模式与软件本身的紧密程度,对11种商业模式进行结构化分析,并将其归纳为四大类:许可证类、直接配套类、间接配套类以及附属产品类。研究表明:(1)直接配套类商业模式的种类比许可证类、间接配套类以及附属产品类均多;(2)企业常采用多种开源软件商业模式的组合策略;(3)不同商业模式所用许可证类别具有很大的差别,大量开源软件逐渐从选择限制性许可证转向宽松许可证。     

混合聚类方法用于科学结构研究——以“心理学、社会学和教育学”领域为例

在前期的相关研究中,一种基于"引文-文本"相似度的混合聚类方法被用来对2002-2006年期间Webof Science数据库中8305种期刊进行了聚类分析,得到22聚类和7聚类两种体系。与之前的宏观分析不同,7聚类体系中的一个特定的聚类,即"心理学、社会学和教育学"聚类,将被集中研究。该聚类的内部学科结构以及其在22聚类体系中如何分解为三个子聚类将被细致地讨论和分析。对聚类之间的互引网络以及聚类中不同类型的"重要期刊"进行了展示,此外,还进一步将该聚类中760种期刊的混合聚类结果与Thomson-Reuters公司的ESI学科分类进行了对比,基于比较分析的结果,对该领域内部的科学结构进行了量化解读。     

云计算中K-means聚类中心优化求解方法

在云计算环境下,针对K-means对初始聚类中心敏感和易陷入局部最优的缺点,进行K-means聚类中心优化求解,提高对海量数据的聚类处理能力。传统方法采用动态干扰信任感推荐方法进行数据聚类中心求解,聚类中心对初始值敏感性较强,数据聚类效果不好。提出一种基于粒子群密度最大距离凹函数构建和边界隶属度特征分析的云计算中K-means聚类中心优化求解方法。通过云计算处理,对数据聚类余下样本点按照与聚类中心的相似程度来划分成k类,对原始变量数据的差异化特征进行降维处理,通过搜索空间中的粒子,每一个粒子自身都有速度、位置和适应度,通过迭代找到最优解,进行数据规范化预处理,数据预处理包括选择数量,类型和特征的标度,进行边界隶属度特征分析,实现云计算数据的聚类改进。仿真结果表面,该算法对云计算数据的聚类性能优越,聚类中心求解准确,克服了传统的K-means对初始聚类中心敏感和易陷入局部最优的缺点,应用价值较大。     

云模型和谱聚类的图像分割特性分析

云模型和谱聚类是近年来国内外进行数据聚类分析的两个研究热点。云模型刻画聚类过程的随机性和模糊性之间的关联性,分析聚类对象的不确定性。谱聚类不对数据的全局结构作假设,具有识别数据非凸分布的能力。首先介绍这两种聚类算法的基本理论,分析和比较它们的聚类本质,然后由图像分割实验实现聚类分析过程,最后阐述两种聚类算法的聚类特性,并给出各自的适用范围。     

一种改进的投影聚类融合算法研究

目前提出的大多数聚类融合算法在策略选择上未能同时兼顾聚类成员的多样性及质量,而且对高维数据的聚类结果均不理想,针对以上问题,本文提出一种改进的投影聚类融合算法,该算法主要在以往经典的投影聚类算法的基础上进行了改进,将投影聚类与分形维数结合,可对高维数据集进行降维聚类处理;而且该算法将选出最优参照成员,并设计出合理的选择策略,对部分优质成员进行选择,以得到一个更加准确的最终结果。高维数据聚类仿真实验结果表明,本文提出的改进的投影聚类融合算法与其他经典数据聚类融合算法相比,提高了聚类的有效性,大大提高了数据融合性能。     

开源软件商业模式结构化分析研究

随着开源软件的普及与发展,与之相关的商业模式呈现多样化态势。基于商业模式与软件本身的紧密程度,对11种商业模式进行结构化分析,并将其归纳为四大类:许可证类、直接配套类、间接配套类以及附属产品类。研究表明:(1)直接配套类商业模式的种类比许可证类、间接配套类以及附属产品类均多;(2)企业常采用多种开源软件商业模式的组合策略;(3)不同商业模式所用许可证类别具有很大的差别,大量开源软件逐渐从选择限制性许可证转向宽松许可证。     

基于改进K-medoids的社会化标注资源两阶段聚类研究

针对社会化标签语义模糊,传统K-medoids聚类算法对初始聚类中心敏感、收敛速度缓慢、只能将归类对象划入到单一类别的缺点,提出一种基于改进K-medoids的社会化标注资源两阶段聚类算法。算法应用一种简洁快速的初始聚类中心选取新规则以及改进的聚类准则函数,首先进行标签聚类,然后将同一标签簇中标签标注的网络资源初步划分到同一资源簇中,最后在这些资源簇中再次进行资源聚类。实验结果表明,提出的算法能自主、合理地确定初始聚类中心,聚类过程收敛速度快,聚类结果有更好的准确性。     

类脑计算芯片与类脑智能机器人发展现状与思考

类脑智能是以计算建模为手段,受脑神经和人类认知行为机制启发,并通过软硬件协同实现的机器智能。类脑器件以及类脑机器人分别作为类脑智能研究的重要内容,其在类脑研究领域受到国内外学者的广泛关注。文章首先分析了类脑器件与计算系统中的类脑芯片和类脑机器人的发展现状和应用前景,重点探讨了类脑芯片在模拟人脑神经元模型和认知计算方面,以及类脑机器人在感知控制和智能生长方面的研究内容。然后,文章介绍了在中科院先导专项支持下,我国在这一方面的初步研究进展以及未来发展方向。最后,针对现有研究中遇到的问题,文章对类脑计算芯片与类脑智能机器人的进一步研究提出了建议,并指出未来研究在仿人运动模型、类人神经运动控制、人机协同的智能机器人控制等方面有望取得重大突破。     

医学与生命科学类多媒体资源现状及特点研究

医学与生命科学类多媒体资源一般包括动画类、视频类、音频类、图片类和综合类,对每一类型资源进行了概要介绍,并对各类资源的特点进行了归纳和总结,为医学与生命科学类多媒体资源的开发与建设、选择与利用提供参考。