针对基因表达数据的聚类方法
通过cDNA技术检测出来的基因数据称为基因表达数据(gene expression data)。基因表达数据反映的是直接或间接测量得到的基因转录产物mRNA在细胞中的丰度，这些数据可以用于分析哪些基因的表达发生了改变，基因之间有何相关性，在不同条件下基因的活动是如何受影响的。它们在医学临床诊断、药物疗效判断、揭示疾病发生机制等方面有重要的应用。随着 cDNA 微阵列和寡核苷酸芯片等高通量检测技术的
ROC聚类算法
分组(grouping)是工业流程分析中的一个重要手段，分组可以找到需要进行相同步骤和经过相同机器处理的零部件，从而将它们一并生产，提高生产效率。Burbidge于1963年提出了一种称之为生产流分析(production flow analysis)的分组方法，这种分组方法不需要对系统进行编码，过程也比较简单。这个方法的步骤可以简要地描述为：将机器进行分类：能够进行类似操作、需要部件相同的机器归
一种应用于细胞式生产的聚类方法
细胞生产方式（Cell Production/Cell Manufacturing）又名细胞式生产，单元生产方式或者单机生产方式，这是一种自律分散型生产方式，它是指多个独立的制造生产线根据生产的产品、环境和人员的不同，配置不同的顺序进行生产。在细胞式生产方式中，每条生产线就是一个独立的“细胞”，遵循周密、严格的生产计划，承担不同的生产任务。一个产品在各个“细胞”中分别进行加工，最终完成一个成品的生
灵敏度分析方法
灵敏度分析方法
Sensitivity analysis approaches applied to systems biology
models, Zhike Zi, IET Systems Biology, 2011.
问题动机
在复杂系统分析时，一些系统的参数十分复杂甚至不能通过实验进行测量，还有一些参数在不同的实验条件下有非常大的变化。这些参数的复杂性和多变性为系统建模造成
EventiC——一种无偏的复杂系统实时事件建模器
EventiC提出了一种对于实时物理系统建模的方法。当设定好关心的事件后，其通过对离散事件系统进行采样、过滤，然后应用ROC聚类算法对所关心的事件发生的触发进行聚类，从而找到触发与事件的关联性。对于复杂控制系统建模，传统的建模方法依赖于非线性或者是线性的微分方程来描述控制系统的行为，这种方法需要对系统的输入变量、以及每个输入变量对系统的影响因素有着充分的了解。换句话说，传统的复杂控制系统建模具有高