有噪条件下基于正则化模型的本体学习算法

对原有的正则化本体模型加以改进,分别从再生核希尔伯特空间及线性空间Rm出发,得到有噪或半监督学习框架下的新正则化求解模型,将计算模型的注意力集中到假设空间的设置上.实验表明,新算法对特定的应用领域具有较高的效率.     

蛋白酪氨酸磷酸酶SHP2抑制剂高通量筛选模型的建立和应用

为了建立体外蛋白酪氨酸磷酸酶SHP2抑制剂的高通量筛选模型,筛选潜在的SHP2抑制剂,通过应用大肠杆菌系统克隆表达GST-SHP2融合蛋白,经过GST-Sepharose亲和层析分离得到纯化的GST-SHP2蛋白,建立384孔板的高通量筛选模型,对48000个有明确结构的小分子化合物进行体外筛选,筛选出75个活性化合物对SHP2的抑制作用大于50%,确定3个化合物具有较高的抑制活性。该筛选模型灵敏、稳定,对SHP2抑制剂药物研发打下了基础。     

基于EGM2008模型和GPS/水准数据高程转换方法的研究

GPS高程转换中,经常用到的方法是GPS/水准法,对于缺乏地面重力数据的地区,该方法不是十分理想.本文采用一种组合方法来解决该问题,利用EGM2008模型和GPS/水准数据确定局部似大地水准面,结合工程实例,利用带状线路数据进行曲线拟合,验证的结果表明,采用组合方法进行正常高计算效果显著.     

边列表着色综述

图的边列表着色是一种正常边着色,它要求每条边的颜色在该边所给的列表中.本文对这一问题的研究进行了综述.     

基于交易量转移的股票预测模型

股票市场中最基本变量为交易量、价格和时间,而在这三变量中交易量的变化最能体现股票市场的基本规律.研究交易量转移可以解决股市中筹码(流通股票数)在何时集中、什么价位集中、集中的程度等问题,而筹码的集中度能更好的表现股票价格的涨跌趋势.据此定义投资者交易意愿强度的概念,研究其与交易时间、价格涨跌幅的关系,并提出交易量转移模型.     

特殊框架下分数(f,n',m)-临界消去图的联结数条件

设G是一个图,若去掉G中的任意n'个顶点的剩余子图仍是分数(f,m)-消去图,则称G是一个分数(f,n',m)-临界消去图.给出在a,b都是偶数的情况下分数(f,n',m)-临界消去图的两个联结数条件,并对条件的最好性进行了分析.     

随机图的Fibonacci数研究

简单介绍了随机图Fibonacci数的由来,给出Lucas数列和Fibonacci数列的关系,将圈图的Fibonacci数转化为Fibonacci数列.证明树的Fibonacci数的上界和下界,并给出各种常见图的Fibonacci数计算公式.     

对一种强前向安全的数字签名方案的分析及改进

针对强前向数字签名分析了密码学方案,对该方案提出了出现的错误,并对前向安全数字签名方案进行了改进。最后对新方案的安全性做了分析。     

非监督特征学习方法在脑电身份识别中的应用

设计并实现了采用非监督特征学习方法对模拟阅读事件相关电位实验中多名受试者脑电信号的特征提取,并对提取的特征向量进行了模式分类.实验中共采集5名受试者脑电信号,每名受试者的特征样本集由其接受模拟阅读靶视觉刺激后100⁴00ms在通道PO3、O1、Oz、O2、PO4、P4、P8、CP6的脑电信号样本组成,各受试者样本集均含400个试次样本.非监督特征学习过程由含6个神经节的BP神经网络完成,后选用支持向量机作为分类器.对比了1试次,2试次、5试次、10试次样本叠加等几种不同情况下采用非监督特征学习方法提取特征的分类正确率.实验结果表明:采用多神经节人工神经网络对5名使用者5试次叠加信号样本提取的特征向量的分类正确率高于90%,显著优于对各单通道时域特征向量的分类正确率,该方法可为以脑电信号为特征的身份识别系统提供一种可行的特征提取方式.     

基于等维新息动态灰色模型在沉降观测中的应用研究

灰色理论模型是采用较少的数据对目标进行预测.随着长期的预测,预测精度会不断的降低.该文研究的内容就是在预测过程中不断引入最新的观测值,建立等维新息的动态灰色模型.结合工程实例,与传统的灰色模型作对比,新模型预测的结果更加优化,精度更高.