摘要：聚类是数据挖掘和机器学习中的基本任务之一.传统聚类方法由于其设计中对簇结构假设的限制,导致算法在不符合其假设的数据集上,尤其是大型高维数据集上的聚类效果较差.本文引入了最大平均熵率的概念,设计了一种基于图的关联聚类算法.该算法将关联聚类问题分解为多个独立的单类优化问题,并利用邻域消除了关联聚类对大数据的限制.算法实现通过启发式邻域搜索和类生成简化了对最优邻域和关联聚类的求解过程,并且设计了适应分布式计算平台的图迭代方法.与其他聚类算法相比,该算法在提高计算效率的同时,对簇结构假设相对灵活,可适用于多种分布数据.在聚类实验中,算法的f1-measure和purity指数均好于其他6种聚类算法,而且对于高维大数据集,算法的运行时间远远低于其他聚类算法.

摘要：互花米草(Spartina alterniflora)是我国危害最严重的外来入侵植物之一,探索环保、经济、有效地防治互花米草的技术对保护我国海滩生态环境具有重要意义。本研究通过人工气候室(20~25℃)的盆栽实验,研究刈割与淹水对互花米草萌发和幼苗生长的影响。实验持续4个月,对互花米草地上部分进行了2次刈割,首次刈割是在互花米草生长季结束时,3个月后进行第二次刈割。首次刈割后持续淹水至实验结束,淹水处理设计0、5、10、20 cm四个淹水深度。首次刈割后各淹水处理互花米草根茎上迅速萌发克隆苗,种子的萌发比克隆苗晚约3个月。不同淹水深度对克隆苗的萌发和生长均有抑制作用,克隆苗株数、株高和地上生物量均随淹水深度增加而减少。第二次刈割后各淹水处理均没有再萌发克隆苗,但有少量种子实生苗,其中20 cm水深处理的实生苗数量最少。刈割加淹水可以很好地抑制互花米草的萌发和幼苗生长,据此建议互花米草防治方案为:在春季萌芽前,修筑堤坝,保持淹水20 cm,在营养生长期后期贴地刈割互花米草,继续淹水,第二年重复同样的刈割和淹水。为防止二次入侵,需要在邻近的互花米草分布区同时进行治理。

摘要：随着手机智能化水平的不断进步,地理信息系统在移动通讯设备中的移植技术具有越来越重要的研究价值。参照嵌入式系统的快速面向对象建模过程的基本思想,设计了安卓平台室内地图服务系统,实现室内地图的需求分析、对象分析、机械设计和数据设计。以广州白云机场室内地图设计为例,分别在瓦片地图模型、地图概括、路径导航文件组织优化的基础上,实现飞机场内快速面向对象建模的安卓平台室内地图设计。