摘要：盗蜜对植物生殖成功的影响仍存在争议,通过用纱网袋套蜜距隔离盗蜜者创设无盗蜜者的对照可有效研究盗蜜的生态学后果和机制,但因为传粉昆虫会偏爱某一色系的花朵,纱网袋颜色可能会干扰传粉者行为。为了筛选对传粉者干扰最小的纱网袋颜色,设计了4种颜色(黑、白、红、绿)纱网袋套蜜距,以不套蜜距作为对照,在一天中6个时间段观测红雉凤仙花传粉者的访花频率和单花停留时间。结果表明:(1)不同颜色纱网袋套蜜距的花朵被传粉者访问的频率差异显著,对照组访问频率最高,白色纱网袋处理组与之接近,套黑色纱网袋处理访问频率最低且与其他4个处理差异均显著;纱网袋颜色对传粉者单花停留时间无显著影响。(2)观测时间段对目标花朵被传粉者访问的频率和单花停留时间影响均显著。下午14:30—15:00访问次数最多,而上午9:30—9:50单花停留时间最长。实验结果显示在隔离盗蜜者时,用白色纱网袋套蜜距对传粉者访花行为干扰较小,黑色干扰最大,这为隔离盗蜜者研究盗蜜对植物与传粉互利共生关系的影响提供了重要的方法参考。

摘要：半监督聚类集成旨在利用成对约束提升聚类集成的精度,但在高维空间的聚类效果却显著降低,另外,当只有少量的成对约束可以利用时,聚类性能很难提升.针对这些问题,提出一种新颖的半监督聚类集成算法WSCEC(Weighted Semi-supervised Clustering Ensemble Algorithm Based on Extended Constraint Projection).首先,利用多种聚类算法对数据的特征空间进行聚类,再使用随机子空间进行降维,以减少冗余特征的影响;其次,根据每对约束的k个最近或最远的样本以及约束间的传递关系来扩展原有的约束集,通过约束投影技术将原始数据空间投影到低维空间以满足尽可能多的约束;最后,设计了一个聚类解的加权策略,为每一个聚类解分配一个适当的权重以降低低质量聚类解的影响.在多个数据集上的实验结果证明了提出算法的有效性.

摘要：针对许多多示例算法都对正包中的示例情况做出假设的问题,提出了结合模糊聚类的多示例集成算法(ISFC)。结合模糊聚类和多示例学习中负包的特点,提出了“正得分”的概念,用于衡量示例标签为正的可能性,降低了多示例学习中示例标签的歧义性;考虑到多示例学习中将负示例分类错误的代价更大,设计了一种包的代表示例选择策略,选出的代表示例作为基分类器的训练子集;结合各基分类器的结果,确定包的最终标签。ISFC算法对正包中正示例的比例未做任何假设,同时能够解决正包数量多、负包数量少情况下的类别不平衡问题。实验结果表明,ISFC在药物分子活性预测、图像分类、文本分类任务上都取得了较好的分类效果。