导读:本文包含了异质聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:精神分裂症,自我管理,动机,聚类分析
异质聚类论文文献综述
周晨曦,李峥[1]（2019）在《精神分裂症患者自我管理动机的异质性探究：基于聚类分析和潜在剖面分析》一文中研究指出目的:探索精神分裂症患者的自我管理动机亚型。方法:采用治疗自我调节问卷和精神分裂症患者自我管理量表对222例精神分裂症患者进行测评,通过聚类分析法和潜在剖面分析进行分类。结果:高混合动机型、中自主决定型、低动力型是聚类分析与潜在剖面分析结果中平行可比的亚型。高混合动机型患者参与疾病自我管理的自主决定动机、受控动机水平均较高;中自主决定型患者的自主动机得分较高、受控动机得分较低;低动力型患者参与疾病自我管理的自主动机、受控动机水平最低。中自主-外驱动型、高自主-中受控型分别是聚类分析和潜在剖面分析中的特异类型。不同亚型患者的疾病自我管理水平具有显着差异(P<0.05)。结论:本研究初步揭示了精神分裂症患者中的自我管理动机亚型及其特征,可为精准化的自我管理动机支持策略提供依据。(本文来源于《中国临床心理学杂志》期刊2019年04期）
J.Kim,S.Y.Ryu,S.H.Lee,H.Y.Lee,H.Park[2]（2019）在《聚类法结合FDG PET及扩散加权MRI识别肺腺癌的肿瘤内异质性》一文中研究指出目的恶性肿瘤包含生物学异质性成分,识别并对这些区域进行危险分层是一项重要的课题。本研究旨在评估聚类法肿瘤内分区识别高侵袭性肿瘤成分的有效性,并基于(本文来源于《国际医学放射学杂志》期刊2019年02期）
沈亚男[3]（2018）在《基于聚类分析的异质性人力资本影响因素分析》一文中研究指出本文构建异质性人力资本影响因素,利用平均受教育年限法对全国31个省份的平均人力资本进行测算,在此基础上,利用聚类分析方法对人力资本影响因素及地区人均人力资本进行分类,最终得到影响异质性人力资本的影响因素,并对31个省份的平均人力资本进行分析得到很好的效果。(本文来源于《中国商论》期刊2018年12期）
韩默[4]（2018）在《基于元路径的异质网协同聚类算法的设计与实现》一文中研究指出网络数据的形式可以有效的表达多种类型的节点和边之间的联系,在我们日常生活中很常见。例如互联网中网页组成的网络捕获了网页之间的链接关系;微博,今日头条等社交网络捕获了人与人之间的社交关系。由此产生了一种很重要的信息载体——异质信息网络。异质信息网络是信息的重要表达形式,相比被广泛研究的同质网络,异质网中的节点和边包含了丰富的结构和语义信息,因此针对异质信息网络的科学研究也越来越多,同时也为数据挖掘领域的研究提出了新的挑战。聚类分析作为数据挖掘的重要研究手段,可以发现数据潜在的组织结构。在异质网中直接进行聚类分析相比于转化为同质网络再进行聚类分析具有很明显的优势:首先异质网具有广泛的信息融合功能,可以使不同类型节点的聚类结果相互促进。其次直接对异质网进行聚类可以减少语义信息或结构信息的丢失,使聚类结果更准确。然而,目前存在的异质信息网络聚类算法普遍存在一些缺点。第一,可迁移能力弱,不能对任意的异质信息网络适用。第二,仅仅使用边的信息聚类或仅仅使用内容进行聚类,没有将两者统一起来。然而仅仅针对关系进行聚类或仅仅针对内容进行聚类都是不全面的,很难达到理想的聚类效果。第叁,没有利用同种类型节点的相似性信息,使聚类结果不够平滑。针对以上提到的异质网聚类问题中存在的不足,本文提出了基于元路径的异质网协同聚类算法R-Net NMTF算法。R-NetNMTF算法和已有算法相比具有如下优势:首先,R-NetNMTF算法将异质信息网络组织成星型网络结构,由中心类型节点为轴连接着从属类型节点,基于多条元路径将半结构化的异质信息网络进行结构化表示。由于任何一个异质信息网络都可以组织为星型结构,因此本文R-NetNMTF算法具有很强的迁移能力。其次,通过整合不同类型节点之间的链接关系和生成的内容信息,将边和内容有效的结合起来协调聚类结果,对多个非负数据矩阵同时使用非负矩阵叁因子分解算法,实现了异质网中所有类型节点的协同软聚类。R-NetNMTF算法得到的聚类因子指示矩阵中的元素值为节点所属类簇的强度,相较于硬聚类算法的结果,R-NetNMTF算法既可以体现出节点的聚类结果,又可以体现节点所属类簇的模糊性,使得原本就不具有明显聚类界限的聚类结果更具有可解释性。最后R-NetNMTF算法利用同种类型节点的相似性正则化内容,以从属类型节点所连接的中心类型节点作为度量标准,优化数据空间的几何信息,增强了异质网全局聚类结果的平滑性。在真实数据集上的实验结果显示了本文算法R-Net NMTF的有效性和正确性,并且聚类结果优于已有的相似聚类算法。(本文来源于《吉林大学》期刊2018-04-01）
彭涛,杨妮亚,徐原博,王冰冰,刘露[5]（2018）在《双类型异质网中基于排序和聚类的离群点检测方法》一文中研究指出挖掘隐藏在网络中不同于正常数据对象的离群点是数据挖掘的重要任务之一.目前,针对双类型异质信息网络离群点检测的研究工作相对较少,原本适用于同质网络的离群点检测方法将很难适用于双类型异质网络.为此,提出了异质信息网络中基于排序和聚类的离群点检测方法(RKBOutlier).从异质信息网络中抽取两种类型的对象以及链接两种对象的语义信息,将待检测的数据作为属性对象,将另一类型数据作为目标对象,对目标对象进行聚类来检测属性对象在各个聚类中的分布情况,数据分布异常的对象即为离群点.将排序和聚类相结合来显着提高聚类的准确度.实验结果表明,RKBOutlier可以在双类型异质信息网络中有效地检测出离群点.(本文来源于《电子学报》期刊2018年02期）
曹建平[6]（2016）在《面向文本的多属性异质网络聚类技术研究》一文中研究指出社交网络以及各种新闻媒体的蓬勃发展,为用户带来丰富的网络与文本信息,也极大地推动了学术界对网络和文本的分析与挖掘研究。海量的舆论信息也促使政府部门、事业单位和商业公司纷纷开始建设舆情分析系统以帮助了解自身形象、掌握舆情动态、营销产品或服务。作为舆情分析系统的核心技术之一,聚类分析尤其是融合了文本信息的网络图聚类分析技术近年来受到学术界的广泛关注和研究。面对主题分散、类型不同、结构各异的文本和网络数据,如何有效地进行聚类分析从而实现话题发现与知识挖掘?具体地,如何构建一个高效的文本与网络数据聚类分析框架?如何针对不同来源的文本构建聚类分析模型以更有效地结合知识库信息提升聚类质量?针对话题相近但形式不同的多源数据,如何及时有效地融合它们并发现相关的舆情热点?另外,如何对用户的偏好信息建模以更有针对性地对目标对象聚类?针对上述问题和挑战,本文以多属性异质网络的聚类问题为研究核心,重点研究了面向多属性异质网络聚类分析的构建框架、面向多属性异质网络聚类表示模型、多属性异质网络互聚类以及多标注的网络聚类分析这四个问题,发表了相关研究成果。本文的研究内容和创新点如下:1.针对舆情分析系统中面向文本的多属性异质网络的构建与分析问题,本文在充分分析多属性异质网络的相关概念、实体对象以及节点属性来源的基础上,提出了一种面向多属性异质网络的聚类分析框架。针对网络节点属性的抽取问题,本文首先分析了多属性异质网络节点属性的来源;并以节点情感属性为例,提出了一种基于规则的面向专属领域的情感属性解析方法,并给出了网络节点情感属性的分析流程,在相关数据集上的实验结果验证了本文所提出情感属性分析方法的有效性。2.针对面向文本的多属性网络数据难以有效地进行聚类分析与知识发现的问题,本文提出了一种面向多种网络文本的异构信息网络表示模型,抽取文本中的各种结构化的对象构建面向文本聚类的异构信息网络。具体地,本文考虑了不同类型的文本的词、实体、标签等多种类型的对象,构建了微博(推文)和新闻文本的“星型”网络元结构,进而以此为基础构建了多源文本的异构信息网络。随后,本文参考经典的基于信息论的协同聚类模型,设计了面向异构信息网络的文本聚类模型,并利用对象的属性信息作为网络文本协同聚类的约束条件。在四个真实数据集上的实验结果验证了本文所提出的基于异构信息网络的文本表示方法的有效性。3.针对多源文本数据如何实现不同文本互聚类分析以发现跨网络平台舆情热点的问题,本文提出了一种基于异构信息网络的多源文本互聚类分析框架(Heterogeneous Information Network-based Text clustering,HINT)。为解决多源相关信息的关联问题,将不同来源的文本信息有效融合从而实现互聚类,本文将存在URL关联的两种文本定义为信息关联和相关语义传递的锚文本(Anchor Texts),并在此基础上构建了基于异构信息网络的信息矩阵以及信息转移矩阵。随后,本文以谱聚类方法为基础将异构文本互聚类问题转换为一个包含两个未知变量的非凸目标方程下的优化问题,并设计了一个对偶迭代方法利用曲线搜索算法对上述优化问题求解。在实际数据集上的大量实验表明,HINT框架比相关的对比模型表现更好、更有效。4.针对舆情系统中难以融合多专家知识以实现有针对性的目标聚类的问题,本文提出了一种面向多稀疏标注的多属性图聚类方法(Clustering Graphs with Multiple Annotations,CGMA)。为有效融合来自多个标注者的稀疏标注,本文首先提出了一种基于属性空间的映射方法,将不同的标注映射到相同属性空间并表示成属性权重向量,然后利用一种基于密度的聚类方法综合多标注者的意见,实现了多标注的有效融合;为提高算法的可扩展性,本文进一步研究了使用局部聚类和加权网络割集的方法降低算法的复杂度,并研究设计了分布式算法版本提高了算法的处理性能。本文提出的方法具有接近线性方法的时间复杂度,可以很好地处理大型网络的相关问题。综上所述,本文深入研究了舆情分析系统中的多属性异质网络的聚类分析问题,重点围绕如何通过相关约束改善聚类质量、提高可解释性水平,研究了利用知识库约束、关联约束以及用户引导约束等方法,提升多属性异质网络聚类分析水平。本文研究的问题和使用的方法在理论上都具有一定创新性,在实践上可以增强社会舆情系统性能、提升舆情分析水平。舆情是国情的重要组成部分,本文的研究对关系国家安全和社会发展的面向大数据的舆情分析系统具有重要价值。(本文来源于《国防科学技术大学》期刊2016-11-01）
高学东,黄月[7]（2015）在《异质对象协同实体解析的联合聚类算法》一文中研究指出实体解析问题是数据挖掘数据清理过程中的基本问题.异质网络数据的大量涌现,要求能够针对包含多种类型对象的数据同时进行实体解析.针对包含两种对象的实体解析问题,提出了一种基于联合聚类思想的协同实体解析算法.将两种对象分为决定对象和辅助对象,提出了一个基于联合聚类思想的两阶段协同实体解析框架,能够同时获得决定对象和辅助对象的各自聚类结果,其中每一个类包含的若干实体参考表示是对现实世界中同一实体的共同引用.最后对提出的算法进行了数值实验.(本文来源于《系统工程理论与实践》期刊2015年04期）
高翔,吴万琴[8]（2014）在《异质信息网络中基于聚类及链接分析的多样性挖掘技术》一文中研究指出提出基于聚类及链接分析的挖掘模型Link Net Clus,该模型将对象类型分为目标类型及属性类型,并假设目标对象属于每个簇的概率依赖于与之相关的其他对象,在目标对象上进行迭代的聚类操作,最终得到具有多样性的聚类结果。该模型充分利用了异质信息网络中的关联关系,得到多维的挖掘结果来解决数据冗余的问题,结果的可解释性也优于排序序列。通过实验证明了使用Link Net Clus得到的聚类结果比已有的基准方法提高大概30%~50%左右。(本文来源于《工业仪表与自动化装置》期刊2014年06期）
李依桐,黄岳,石川,吴斌[9]（2014）在《基于矩阵分解的异质信息网络聚类分析研究》一文中研究指出实际的网络化数据往往包含不同类型的节点和边,采用异质信息网络建模可以更加全面的包含交互对象和对象之间的关联,因此异质信息网络分析成为数据挖掘的研究热点.虽然同质信息网络中的聚类已经被深入研究,但是异质信息网络中的聚类还很少研究.异质信息网络中多类对象共存以及丰富的语义信息对聚类分析提出了新的挑战.本文研究异质信息网络中的聚类问题,并提出了一种基于矩阵分解的聚类方法 HeteClus.该方法首先利用HeteSim计算基于用户指定的语义路径的对象相似度矩阵;然后采用正交非负矩阵叁因子化分解方法得到节点的软聚类或者硬聚类结果.人工和实际网络数据验证了方法的有效性,并通过实例阐明了矩阵分解的物理意义.(本文来源于《小型微型计算机系统》期刊2014年10期）
冯涛,刘萍,张璇,芦林龙,陈彪[10]（2010）在《早期帕金森病临床特征异质性的聚类分析研究》一文中研究指出目的研究根据临床特征的异质性是否可以将早期帕金森病分为不同亚型。方法选择首都医科大学附属北京天坛医院2008年4月至2009年7月诊治的早期原发性帕金森病患者143例(Hohen-Yahr1～3期),应用临床数据库和量表评测收集临床特征参数,包括发病情况、运动障碍程度和分型、进展速度、病情分期、非运动症状(认知障碍、抑郁、自主神经症状)、运动并发症等。基于这些临床特征参数应用K型聚类分析的方法对早期帕金森病进行亚型分析,并对各亚型的临床特征参数进行比较。结果可将早期帕金森病患者聚类为四型:(1)早发型(40例):平均发病年龄40岁;(2)震颤型(57例):UPDRS震颤分/非震颤分比值最高,进展慢;(3)快速进展-非震颤为主型(17例):进展最快,UPDRS震颤评分以及震颤分非震颤分比值最低;(4)非震颤为主-抑郁型(29例):震颤分非震颤分比值低,H-Y分期高,抑郁显着,运动障碍重。各亚型在下列临床特征参数上差异有统计学意义(P<0.05):发病年龄、UPDRS姿势步态评分、震颤分非震颤分比值、总体进展速度、运动障碍进展速度、日常生活能力衰退速度、淡漠评分。结论早期帕金森病的临床特征具有异质性。根据这种异质性可以将早期帕金森病分成不同临床亚型。(本文来源于《中国实用内科杂志》期刊2010年07期）
异质聚类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的恶性肿瘤包含生物学异质性成分,识别并对这些区域进行危险分层是一项重要的课题。本研究旨在评估聚类法肿瘤内分区识别高侵袭性肿瘤成分的有效性,并基于
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
异质聚类论文参考文献
[1].周晨曦,李峥.精神分裂症患者自我管理动机的异质性探究：基于聚类分析和潜在剖面分析[J].中国临床心理学杂志.2019
[2].J.Kim,S.Y.Ryu,S.H.Lee,H.Y.Lee,H.Park.聚类法结合FDGPET及扩散加权MRI识别肺腺癌的肿瘤内异质性[J].国际医学放射学杂志.2019
[3].沈亚男.基于聚类分析的异质性人力资本影响因素分析[J].中国商论.2018
[4].韩默.基于元路径的异质网协同聚类算法的设计与实现[D].吉林大学.2018
[5].彭涛,杨妮亚,徐原博,王冰冰,刘露.双类型异质网中基于排序和聚类的离群点检测方法[J].电子学报.2018
[6].曹建平.面向文本的多属性异质网络聚类技术研究[D].国防科学技术大学.2016
[7].高学东,黄月.异质对象协同实体解析的联合聚类算法[J].系统工程理论与实践.2015
[8].高翔,吴万琴.异质信息网络中基于聚类及链接分析的多样性挖掘技术[J].工业仪表与自动化装置.2014
[9].李依桐,黄岳,石川,吴斌.基于矩阵分解的异质信息网络聚类分析研究[J].小型微型计算机系统.2014
[10].冯涛,刘萍,张璇,芦林龙,陈彪.早期帕金森病临床特征异质性的聚类分析研究[J].中国实用内科杂志.2010