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

基本概念 （1）网络的图表示 （2）节点的聚类系数 （3）节点的介数 （4）平均度和度分布 结构模型 （1）小世界网络 （2）无标度网络 （3）社区网络

5.1 阈值分割 5.2 边缘检测 5.3 区域分割 5.4 Hough变换 5.5 近邻法分割 5.6 基于动态聚类的分割 5.7 基于神经网络的分割 5.8 其它分割方法

课程总结与复习  Web信息搜索概述  GFS + MapReduce + BigTable  全文检索 + 网页排序  多媒体检索  文本聚类  文本分类  推荐系统  语义网  知识图谱

统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等

1 K-Means 聚类算法 (Clustering Algorithm) 解释 Explanation 收敛性 Convergence of K-Means 矩阵建模 Matrix Modelling of K-Means 2 网页排序 PageRank 动机 Motivation 简单网页排序 Simplified PageRank 网页排序建模 PageRank Modelling 例子 Example

提出了从带钢板形数据中提取典型板形缺陷向量的方法，即先对带钢板形缺陷进行初级分类，再根据带钢应力之间的相似度提取出单位典型板形向量，最后采用k均值聚类算法求解出典型比值系数.针对提取出的带钢单位典型板形向量而设计出的单侧倒角工作辊，经过大规模的轧制试验，所轧宽带钢板形质量较好，综合平坦度均小于5 IU（1 IU=10-5），基本消除边中复合浪为主的复杂浪形缺陷

提出了一种人工免疫识别算法.该算法将所识别的数据作为抗原,利用抗体、抗原的亲和作用,通过刺激/抑制有关抗体的活动建立一个抗体记忆集合,识别和表示数据结构组织,它具有识别多样性、自我调节功能等特点.通过对二维实数空间的数据和Iris数据进行实验,结果表明该方法聚类效果好,识别率高,且具有较好的泛化能力