简介：

简介：Dempster-Shaferevidencetheory(DStheory)iswidelyusedinbrainmagneticresonanceimaging(MRI)segmentation,duetoitsefficientcombinationoftheevidencefromdifferentsources.Inthispaper,animprovedMRIsegmentationmethod,whichisbasedonfuzzyc-means(FCM)andDStheory,isproposed.Firstly,theaveragefusionmethodisusedtoreducetheuncertaintyandtheconflictinformationinthepictures.Then,theneighborhoodinformationandthedifferentinfluencesofspatiallocationofneighborhoodpixelsaretakenintoconsiderationtohandlethespatialinformation.Finally,thesegmentationandthesensordatafusionareachievedbyusingtheDStheory.ThesimulatedimagesandtheMRIimagesillustratethatourproposedmethodismoreeffectiveinimagesegmentation.

简介：借助K-means聚类算法等数据挖掘技术,从我国博士研究生招生实际状况入手,从博士招生的结构质量、生源质量和选拔质量等角度分析研究生招生质量,提出科学合理的优化选拔方式、提升生源质量的博士生招生方案,对博士研究生招生单位具有良好的借鉴意义。

简介：为了解决基因选择困难问题,提出一种基于改进的K-means算法融合微粒群优化（IKPSO）的基因选择方法。该方法首先运用过滤法（Relief）对基因进行筛选,选择出对分类贡献大的基因构成备选基因子集;然后,利用改进的K-means算法将备选基因子集划分为一定数目的簇,并运用微粒群（PSO）对每一类簇进行搜索选择出相应类簇中的最优和次优基因构成最优特征基因子集;最后,训练支持向量机（SVM）,并利用其分类的性能来评价获得的最优特征基因子集的质量。在两个典型的、公开的小样本的高维微阵列数据集上进行的实验,结果表明该IKPSO算法总体分类性能相对较好,并且与传统方法相比,IK-PSO分类性能得到显著的提高,证明了IK-PSO的可行性以及有效性。