摘要：文章将聚类技术和多维缩放分析应用于500×500作曲家的相似性/距离矩阵。目的是将相似度矩阵可视化或转变成古典(欧洲艺术)音乐作曲家的树状图和映射图。先分别构建了巴洛克时期、古典时期和浪漫时期的树状图和映射图,以及一张展示了七个世纪欧洲艺术音乐的映射图。最后使用线性和非线性典型相关分析来确定聚类技术和多维缩放方法所产生的维度的基础变量。

摘要：描述了两种聚类方法在大型复杂信息系统设计中的应用，分析了数据项必须采用包含性距离测量的聚类算法的原因．在数据聚类分析中提出了一种互包含性测量的概念，定义和说明了它的计算公式和具体算法．还通过一个实例，说明了两种聚类分析方法的具体应用．

摘要：受蚁群觅食行为仿生研究和蚁群系统模型理论所启发,提出了一种基于蚁群计算模型的分布、协作多主体(multi-agent)反应架构的自适应、可伸缩的Web搜索系统模型(MASAIR),其由大量智能主体组成,利用智能主体架构的优异特性,旨在从巨型超文档集合(Web)中自治地搜索特定主题的信息,从而为用户提供迅捷的信息检索服务。详细描述了MASAIR的计算模型及其算法,通过对标准Web文档集的检索仿真实验结果显示:该架构具有对环境改变的鲁棒性和对用户信息需求变更的自适应性。

摘要：传统基于度量学习的煤矿井下行人重识别方法中,由于度量学习忽略正负样本绝对距离,造成损失函数梯度消失或梯度弥散,导致井下人员位置信息识别精度不高。针对该问题,提出了一种基于改进度量学习的煤矿井下行人重识别方法。首先,采用基于手工设计特征的井下人员特征提取方法,对颜色空间、纹理空间等特征进行手动加工提炼,丰富特征维度。然后,采用欧氏距离对人员高维特征进行相似性计算。最后,提出一种改进的三重损失函数,通过在传统三重损失函数中加入自适应权重,增加有效样本的权重,解决了由于忽略正负样本绝对距离导致的梯度消失或梯度弥散问题。将传统识别方法与基于改进度量学习的煤矿井下行人重识别方法进行了累积匹配特征曲线验证、识别速率验证,结果表明:①基于改进度量学习的煤矿井下行人重识别方法在相似样本个数为50左右时,样本匹配概率达100%。②在2种不同标定大小图像的推理耗时上,基于改进度量学习的煤矿井下行人重识别方法较传统重识别方法分别减少了44,68 ms。③基于改进度量学习的煤矿井下行人重识别方法在舍弃行人头脚部分图像后表现更好,在相似样本个数为42左右时,样本匹配概率达100%。