针对无线传感器网络中时间驱动和整网簇头轮换导致不必要的能量消耗问题，提出并建立了基于能量驱动和区域簇头轮换的簇维护算法。算法包括动态能量阈值的计算和动态TDMA时隙调度的方案，实现非周期性、局域范围内的簇头轮换和对簇的及时维护。在NS2中得到的仿真结果表明，与低功耗自适应集簇分层型(low

行业制造-电动装置-一种基于NP-NiGd@Au的胃癌标志物金纳米簇电致化学发光传感器的制备方法及应用.zip

为适应数据集分布形状多样性以及克服数据集密度问题，针对已有算法对离群簇检测效果欠佳的现状，提出了一种基于K-近邻树的离群检测算法KNMOD（outlier detection based on K-nearest neighborhood MST）。算法结合密度与方向因素，提出一种基于K-近邻的不相似性度量，然后带约束切割基于此度量构建的最小生成树从而获得离群点。算法可以有效地检测出局部离群点以及局部离群簇，与LOF、COF、KNN及INFLO算法的对比结果也证实了算法的优越性能。

非均匀分簇matlab代码稳定的 Furchtgott等人的MATLAB源代码。 论文，“发现发育过程中细胞状态和状态转换的稀疏转录因子代码。” （自述文件和正在开发的文档） 该代码包含三个主要功能。 在脚本compute_topologies_and_genes.m中调用这些函数，该脚本提供了典型的工作流程。 compute_integrals.m根据聚类标识和基因表达数据计算数字积分，并返回一个MATLAB结构，其中包含每个数字积分的字段。 process_one_triplet.m使用数值积分为单元格类型的三元组计算拓扑概率。 compute_gene_probabilities.m使用特定的拓扑并使用数字积分，计算三元组细胞类型的基因类别（标记，过渡）的概率。 所有参数均在函数get_parameters（）中设置，该函数返回一个MATLAB结构，其中包含每个参数的字段。 当前，必须编辑该功能的实际代码以更改参数的值。 将来最好在带有参数值的文本文件中读取该函数。 给定新数据，从哪里开始，设置哪些参数，等等？ A.输入数据： tfdata-> log2转换的基因表达数据。 \u884c=

固定簇半径的分簇协议HEED matlab代码.md

详细分析LEACH协议, 针对LEACH协议随机产生簇头导致网络中出现局部区域簇头分布不均、簇的规模不一、整个网络能耗不均衡、网络寿命缩短等问题, 提出了一种聚类区域自适应调整的WSN能耗均衡分簇算法。在算法的选举簇头阶段, 将节点剩余能量、备选簇头与邻居簇头的间距相结合作为判据参数; 在成簇阶段, 将节点预加入的簇头到基站的距离考虑在内, 比较多个数据流向, 采用节能最优路径策略。仿真结果表明, 该协议能够有效均衡网络各节点能耗, 显著延长了网络生存时间。

11 1.得出网络寿命图，横坐标为轮次（r），纵坐标为存活的节点数。 2.网络节点平均能量随轮次（r）变化的图。 3.传给sink节点的数据包随轮次（r）变化的图。

RMT流感 概括 基于随机矩阵理论的流感病毒HA蛋白中协同配位残基的鉴定 参考 客观的 我们的目标是实施上述参考文献中有关流感-HA蛋白序列的方法。 数据 此存储库中的数据文件夹包含我们用来测试此脚本的数据集。

星团聚类 介绍 恒星聚类算法是一种聚类技术，其灵感很松散，类似于恒星系统的形成过程。它的目的是作为一种替代性的聚类算法，它不需要事先知道聚类的数量或进行任何超参数调整。 安装 应安装以下依赖项： 麻木 科学的 设置 建议您使用Scikit-Learn，因为此处提供的实现旨在与Scikit-Learn配合使用，以替代其他算法。 实际的算法位于star_clustering.py中，可以由import语句调用： from star_clustering import StarCluster 然后创建一个对象以实例化该算法的实例： star = StarCluster() 然后，像在Scikit-Learn中使用任何其他聚类算法一样，调用拟合或预测函数。 测试脚本 提供了三个测试脚本，旨在显示该算法对非常不同类型的数据的有效性。 plot_cluster_comparison.py wo

【Excel】绘图案例_常见复合图：簇状图+堆积图+折线图-附件资源