基于多视角特征组合与随机森林的G蛋白偶联受体与药物相互作用预测

为了提高G蛋白偶联受体(G-protein-coupled receptors,GPCR)与药物相互作用预测的精度,该文提出一种基于多视角特征组合与随机森林的GPCR-Drug相互作用预测新方法。该方法首先从氨基酸组成成分和蛋白质进化视角分别抽取GPCR的序列特征,并从分子指纹视角抽取药物分子的特征;将所抽取的多视角特征进行组合,得到GPCR-Drug配对的特征表示;基于所提出的GPCR-Drug特征表示方法,使用随机森林构建预测模型。在标准数据集上的交叉验证和独立测试结果验证了该文所述方法的有效性。     

云计算下大规模非显著特征多传感数据融合系统设计

云计算环境下存在大规模非显著特征多传感数据,传统数据融合系统容易受到传感器自身干扰,融合结果不可靠。为此,设计了一种新的云计算下大规模非显著特征多传感数据融合系统。给出融合系统总体结构,介绍了非显著特征数据采集模块。利用模糊理论与协方差匹配技术对经典卡尔曼滤波技术中的噪声协方差进行修正,以滤除传感器自身噪声。在云计算环境中,以联合滤波结构为基础,实现云计算下大规模非显著特征多传感数据的融合。实验结果表明,所设计系统融合结果可靠、实用性强。     

基于LZW算法的高负荷光栅传感网络数据分块无损压缩方法

为提高光栅传感网络数据分块压缩效果,设计了基于LZW算法的高负荷光栅传感网络数据分块无损压缩方法。在构建存储结构模型的基础上,提取高负荷光栅传感网络数据的关联谱特征量,经数据分块融合处理后,结合参数多分辨重构方法实现对数据的分块加窗处理,并根据窗函数检测结果构建特征压缩子空间调度模型;在均衡的窗口中,采用多尺度的LZW算法实现对高负荷光栅传感网络数据的特征分解和分块压缩。仿真结果表明:该方法分块融合匹配能力较强,有效提高了数据的存储空间。     

基于 ＬＺＷ 算法的高负荷光栅传感网络数据分块无损压缩方法

为提高光栅传感网络数据分块压缩效果,设计了基于 ＬＺＷ 算法的高负荷光栅传感网络数据分块无损压缩方法。 在构 建存储结构模型的基础上,提取高负荷光栅传感网络数据的关联谱特征量,经数据分块融合处理后,结合参数多分辨重构方 法实现对数据的分块加窗处理,并根据窗函数检测结果构建特征压缩子空间调度模型?在均衡的窗口中,采用多尺度的 ＬＺＷ 算法实现对高负荷光栅传感网络数据的特征分解和分块压缩。 仿真结果表明:该方法分块融合匹配能力较强,有效提高了数 据的存储空间。     

基于约束的动态回归经济预测模型与应用研究

本文在定性分析江门市GDP预测指标体系的前提下，用相关分析的方法对经济指标进行筛选，建立基于约束条件的动态回归预测模型，并应用实际数据对模型的预测能力进行检验，获得了很好的预测效果。     

基于数据序列特征的灰色模型优化新思路

灰色预测以原始数据序列的生成为基础构建模型,原始数据序列特征直接影响预测模型精度.论文通过剖析灰色预测模型的建模机理,运用实证分析方法,揭示数据序列长度、数据序列信息、数据序列光滑度与灰色预测模型精度的关系,并据此提出灰色预测模型优化方法新思路.     

核特征抽取的反馈神经网络的探索及应用

文章通过组合反馈神经网络和特征层抽取建立一个新型的神经网络预测模型,使用了核独立成分分析及独立成分分析2种方法进行比较;通过对合肥工业大学毕业生就业流向的预测和数据验证,结果表明,上述方法在预测的运算精度和速度方面均优于单纯的反馈神经网络,并且含有"核心"的成分分析方法效果优于普通成分分析.     

基于CNN-LSTM网络的在线多任务销售预测模型

有效的销售预测利于企业制定正确的营销策略,针对当前销售预测研究中存在无法进行实时在线多任务销售预测、稳定获取序列数据中的时序特征等问题,提出了一种基于CNN-LSTM网络的在线多任务销售预测模型。该模型上层CNN网络抽取得到重要的时序数据特征,进而输入到下层LSTM网络中进一步抽取复杂的不规则特征进行建模,最终得到预测结果。实验结果表明:CNN-LSTM模型不仅能在测试集上取得12.61%的最小平均绝对百分比误差,同时在长时间销售预测中,在线模型预测效果优于离线模型。     

基于主分量特征与独立分量特征的人脸识别

PCA方法抽取出的主分量特征与ICA方法抽取出的独立分量特征是对原数据的两类不同描述.PCA是一种基于二阶统计的最小均方误差意义上的最优维数压缩技术,PCA方法所抽取特征的各分量之间是统计不相关的.ICA方法使用数据的二阶和高阶信息抽取数据的独立分量特征.文章对这两种方法做了理论上的比较,并通过实验证明ICA算法提取的特征子空间在人脸识别应用中更有效,识别率更高.     

无线传感网络分簇节点节能传输实验模拟分析

为了提高无线传感网络分簇节点节能传输控制能力,提出基于最优节能控制的无线传感网络分簇节点节能传输实验模拟分析方法.构建无线传感网络分簇节点优化部署模型,建立路由均衡控制下的无线传感网络分簇节点节能传输低能耗调度信道模型,采用自适应均衡的路由转发控制协议实现无线传感网络分簇节点节能路由探测协议设计,提取无线传感网络节点传输的相干性特征值,结合模糊特征提取方法进行无线传感网络分簇节点节能传输过程中的最优特征量提取,实现网络分簇节点节能传输的优化控制和自适应均衡调度.仿真结果表明,采用该方法进行网络分簇节点节能传输的自适应能量均衡性较好,数据转发的成功率较高,具有很好的节点数据收发控制和节能传输能力.     

基于DCA的自动驾驶车辆传感数据融合方法研究

为提高自动驾驶车辆传感数据融合后的精度,提出基于DCA的自动驾驶车辆传感数据融合方法研究.建立多尺度下多传感数据动态模型,确定传感数据的动态矩阵,实现动态评价.将获得的动态数据矩阵中引入DCA算法,利用其中的抗原对动态数据进行规范化处理.获得规范化后的传感数据后,利用平均加权方法,调整数据之间的权值,实现数据融合.为了验证设计的数据融合方法的可行性,设计对比实验,采用半实物的自动驾驶车辆,对其中传感数据进行融合处理,结果证明设计的融合方法在进行数据融合后,得出的数据精度更高,为99.8％,时延较短,平均为150 ms左右,满足设计初衷.     

基于地理本体的空间传感网数据处理

 传感网的研究和应用已经成为推动新信息时代发展的重要动力,而传感网络的运行无法避免结构复杂的海量传感数据的处理.尽管目前已有大量的数据融合算法和模型的出现,但无法避免数据语义、网络语义异构等等问题.结合传感网的特征和地理本体的研究,本文首先提出了空间传感网的定义,随后提出了基于空间传感网的地理本体库公理化模型,最后给出了应用于湖泊领域的实践,结果显示采用文中所提方法既能够节约传感网有限的动力资源,又能够有效消除传感网中的异构.     

基于时间序列的铁路客流量预测及票额优化配置

铁路客流量受多因素影响,其时序特征明显,因此,基于平稳时间序列构建客流数据预测模型及单车次多区间票额分配模型,有利于掌握客流动态变化,改善铁路运营压力。实现特征数据抽取系统开发,进行累加、循环、筛选算法等数据预处理;运用多因子方差分析评价多种因素的显著相关性影响,通过ARMA模型进行短时旅客客流量预测,进行模型优化并检验,同时,基于线性规划构建客座率最大化的区间票额分配优化模型。     

组件式数据抽取工具的设计与实现

结合数据抽取处理的多源性、数据预处理功能的集成、数据抽取处理描述信息的重用等特征，讨论数据抽取事务逻辑划分及组件包设计。给出数据抽取包的定义、包的逻辑结构及可视化管理工具设计。提出用元数据生成数据抽取包，用DTS包作为数据抽取包的执行载体的方法，以提高数据传输性能和简化系统实现。     

利用社交媒体情感分析的短期股价趋势预测方法

本文旨在利用社交媒体中的情感信息来提升股价涨跌预测性能.与以往粗粒度地使用文本中的情感信息不同,将与某公司特定话题相关的细粒度情感信息引入预测模型中,并提出一个用于短期股价预测的全新特征——"话题-情感",该特征同时抽取话题和情感信息,并协同利用二者来预测股价涨跌.此外,以往的测试数据集中交易日数量非常少或者仅包含单支股票的数据,本文方法构建了包含众多股票的长时间跨度数据集,并在此数据集上验证了细粒度情感分析对股价涨跌预测的良好效用.      

基于模板的Deep Web实体识别信息抽取方法研究

Web技术的发展导致Web数据激增,其中Deep Web数据占主要部分.实体识别是开展模式识别、数据集成等Deep Web关键技术研究的首要前提.为提高实体识别的效率和准确性,提出了基于模板的Deep Web实体识别信息抽取方法.该方法拥有三个不同的处理阶段:其中基于DOM树抽取规则的模板训练阶段最为关键,抽取规则通过结构分析和语义分析两个阶段完成,此外该方法还包含着数据准备和实体信息抽取两个辅助阶段.最后经实验验证所提方法在提升实体识别准确性的同时具有较好的信息抽取效率.     

瓦斯传感网络时空数据的预处理

由于煤矿巷道环境恶劣,提高瓦斯传感网络数据可靠性十分重要。从利用传感网络数据的时空关联性出发,研究了基于时空融合的瓦斯传感网络数据的预处理方法。首先,给出了传感网络时间、空间颗粒的定义,提出了瓦斯传感网络时间、空间颗粒的划分方法。接着,论述了异常值检测,以及基于时空融合的瓦斯传感网络数据的平滑预处理方法。仿真结果表明,提出的瓦斯传感网络时空数据预处理方法是有效、合理的。     

基于最大熵的电网停电事故损失负荷预测

损失负荷作为评估停电事故危险等级的主要指标之一,其预测问题对停电事故预防工作有重要的实际意义。基于熵理论,分析了停电事故的最大熵特征,提出了损失负荷的最大熵预测模型。以GS电网为例,综合考虑损失负荷的历史数据与仿真数据,利用最大熵预测模型对电网停电事故进行预测,给出不同预测年限下的损失负荷预测结果。通过与其他方法的预测结果及事故实际数据的比较分析,验证了所提预测模型的有效性。     

基于应力物理模型的碳纤维复合材料温阻效应

碳纤维增强复合材料(CFRP)既具有承载能力又具有一定的智能特性。开发其智能特性,研发具有相关功能的传感元件运用于结构健康监测具有重要的理论与应用价值。基于应力模型,建立了CFRP温阻效应预测模型,在室温(18.5、20℃)~高温(100℃)温度条件下,分别对有无掺入碳粉/SiO_2混合颗粒的CFRP传感元件进行温阻试验,并验证CFRP温阻效应预测模型。试验结果表明:第1次升温中两种传感元件均表现为正温度系数(PTC)效应;第2、3次温度循环试验中,掺入碳粉/SiO_2颗粒的CFRP传感元件负温度系数(NTC)效应/PTC效应之间的转变温度为45.20℃,重复性和规律性更好,CFRP温阻效应预测模型相关系数均大于0.85。研究结果对研发CFRP传感元件运用于结构健康监测的温度检测方面具有实际工程意义。     

一种基于扩展DOM树的Web数据自动抽取方法

Web数据抽取是当前的一个研究热点,目前还没有统一有效的抽取方法．在此提出一种研究思路,首先将Web页面的DOM树进行扩展,添加视觉特征和链接特征．然后计算多个相似页面的扩展DOM树中节点和子树的新颖度,接着由新颖度识别对象数据并且依据数据项角色抽取出数据,最后将对象数据保存为XML文档．通过实验分析,验证了这个方法具有较好的抽取效果．