针对经典K–means算法对不均衡数据进行聚类时产生的“均匀效应”问题,提出一种基于近邻的不均衡数据聚类算法(Clustering algorithm for imbalanced data based on nearest neighbor,CABON)。CABON算法首先对数据对象进行初始聚类,通过定义的类别待定集来确定初始聚类结果中类别归属有待进一步核定的数据对象集合;并给出一种类别待定集的动态调整机制,利用近邻思想实现此集合中数据对象所属类别的重新划分,按照从集合边缘到中心的顺序将类别待定集中的数据对象依次归入其最近邻居所在的类别中,得到最终的聚类结果,以避免“均匀效应”对聚类结果的影响。将该算法与K–means、多中心的非平衡K_均值聚类方法(Imbalanced K–means clustering method with multiple centers,MC_IK)和非均匀数据的变异系数聚类算法(Coefficient of variation clustering for non-uniform data,CVCN)在人工数据集和真实数据集上分别进行实验对比,结果表明CABON算法能够有效消减K–means算法对不均衡数据聚类时所产生的“均匀效应”,聚类效果明显优于K–means、MC_IK和CVCN算法
材料辐照损伤是核反应堆材料、尤其是核聚变堆材料所面临的重要问题。高能粒子(中子、离子、电子)辐照在材料中会产生大量的点缺陷,即自间隙原子和空位。这些点缺陷聚集在一起会形成自间隙原子团簇和空位团簇,从而对材料结构和性能的演化产生重要影响。空位团簇包括有空洞、层错四面体、空位型位错环,而自间隙原子团簇则只有自间隙型位错环。本文介绍了两种点缺陷团簇的性质、及其对于以材料辐照肿胀为主要内容的材料辐照损伤性能的影响。作为空位团簇,比较详细介绍了具有本课题组特色的空位型位错环的研究,同时分析了合金元素和氢同位素对空位型位错环的影响。在铁试样中形成的这种空位型位错环尺寸可达100 nm左右,该空位型位错环具有两种柏氏矢量, b =<100> 和 b =1/2<111>,前者的数密度比后者高一个数量级。对于自间隙原子团簇,则重点介绍了与其相关的一维迁移现象及其研究动态,该一维迁移性能有可能是影响高熵合金辐照性能的重要因素