北京科技大学：《人工神经网络原理与应用 Artificial Neural Networks》课程教学资源（研究实验）竞争网络的聚类试验

《计算机科学COMPUTER SCIENCE》：基于人口统计学的改进聚类模型协同过滤算法（王媛媛、李翔）

智能制造模式要求制造系统能够快速动态重构以及时响应多品种、小批量产品的客户化、个性化定制的需求.本文从生产制造流程出发,针对不同输入输出函数下非托肯守恒复杂制造系统一般PN模型,在网重写系统的基础上提出修正网重写系统.修正网重写系统依据产品制造流程聚类对规则类库中重构单元子类进行系统的模块化封装,并制定相应的重构区域边界耦合约束与内部结构使能规则.构建的修正网重写系统重构单元类库具有行为特性继承的特点,保证局部区域重构后制造系统的活性、有界性及可逆性,根据制造系统修正网重写系统重写规则与重构步序可实现制造系统自主快速的动态重构.仿真结果与应用实例验证了修正网重写系统的可用性

以程潮铁矿为工程背景,将采矿方法初选视为分类问题来处理,采用模糊聚类法从技术影响因素方面按照相似程度对采矿方法进行了分类初选,避免了以往采用工程类比进行初选的主观随意性,提高了采矿方法初选方法的科学性.在此基础上,运用层次分析法,综合考虑经济、资源、效率、安全及环境等五大类因素,构建了较为全面的采矿方法选择综合层次评价指标体系,并得到了合理的权重矩阵,较好地解决了多因素决策时各方案评判指标出现优越性交叉时的权重分配问题.最后采用模糊综合评判方法确定最优采矿方法

为准确掌握超宽冷轧机不同宽度带钢的板形特征,以某2180 mm超宽冷轧机1900 mm宽度带钢实测板形数据为研究对象,借鉴‘大数据’的思想,结合数据挖掘领域中聚类分析方法,提出基于网格和密度的板形特征聚类方法,并以此方法对几种典型带钢宽度的大量板形实测数据进行分析,得到不同宽度带钢的板形特征.以分段函数对板形特征进行多项式表达,得到不同宽度带钢的板形特征参数化分析结果.提出的基于网格和密度的板形特征聚类与分析方法,能够快速准确地对大量板形实测数据进行分析,提取出长期生产过程中板形缺陷特征并得到参数化表达,从而为冷连轧机,特别是超宽带钢冷连轧机的辊形改进和控制策略优化提供数据基础

基于K均值聚类法对转炉出钢过程的合金损耗进行了研究，分析了影响合金损耗的关键因素，并将其分为3个聚类，得到转炉出钢合金损耗最低的工艺模式。在此基础上，开发了基于PCA-BP神经网络和混合整数线性规划的合金减量化智能控制系统，并以某炼钢厂为例进行了实际应用。通过对模型进行在线运行，验证了模型的准确性和实用性。使用该模型后，提高了合金化钢液成分准确度，减少由传统人工经验计算配料造成的成本浪费和成分超标等情况，优化了合金配料方案，降低了炼钢合金化成本，不同钢种铁合金加入总成本降低5.95%～14.74%，平均降幅11.72%

一、无监督学习神经元网络 竞争学 Kohonen习和自组织网络。 竞争学习根据输入模式来更新权值,输入单元i与所有输。出单元j用w连接。输入的数目即为输入的维数,输出的数目即为输入数据要聚类的数目

为了提高热轧生产过程精轧机组的轧制力预设定精度,需要对轧制力进行高精度的预报.本文通过机理公式计算出轧制力的近似值,然后采集大量的实际生产数据修正轧制力预报值.首先利用聚类方法区分不同的生产状态,其次在相同生产状态下采用加权最小二乘支持向量机计算轧制力的修正系数,最后采用乘法方式修正轧制力,达到高精度的轧制力预测.结果表明,轧制力预报的平均相对误差为3.2%,满足现场的生产要求

1 双序列比对介绍 2 BLAST的基本原理 3 BLAST应用 4 序列相似度聚类  人的BIRC5基因编码的蛋白质包含142个氨基酸，序列标识符为：NP_001159.2  BIRC5具有保守的功能结构域BIR 主要功能：caspase酶的抑制因子

利用最短距离聚类法对某矿山微地震活动的时空分布进行了分析,结合现场采掘计划,有效识别了井下地压活动区.通过建立各活动区内微震参数时间序列曲线,研究了局部围岩的应力变形规律,探讨了岩体失稳的前兆规律.结果表明:研究期间井下各微震聚集区相互孤立,采掘活动不会引起大范围的地压活动;微震累计事件数及累计能量时间序列曲线出现由平静突然增大时表征了岩体内累积应变能的突然释放,预示围岩稳定性的劣化.根据研究结果,最终建立了基于微震监测技术井下岩体稳定性研究的一般模式