基于3种建模法的食源性 ACE抑制二肽 QSAR 研究

以自组建的食源性血管紧张素转化酶（angiotensin I‐converting enzyme ,ACE）抑制二肽为研究样本,采用氨基酸描述子VHSE（principal component score vector of hydrophilicity ,steric ,and electronic properties）对ACE抑制二肽进行表征后,比较偏最小二乘（partial least square regression ,PLS）、支持向量机（support vector machine ,SVM）及主成分分析（principal component analysis ,PCA）‐SVM相结合的3种建模方法对ACE抑制二肽的QSAR（quantitative structure‐activity relationship）建模。结果显示,对于食源性ACE抑制二肽,3个模型的拟合能力无明显差异,SVM模型的预测能力略强;对其进行权重投影分析发现,C末端氨基酸较N末端氨基酸对其活性的影响更为明显。     

环F_(p~m)+uF_(p~m)+vF_(p~m)+uvF_(p~m)上长为2p~s的(λu-1)-常循环码

将环Fpm+u Fpm+v Fpm+uv Fpm上长为2ps的(λu-1)-常循环码分为4种不同类型的理想,其中,p≡3(mod4)且m为奇数.定义了该环上常循环码的扭码和剩余码,并由此得到了该环上长为2ps的(λu-1)-常循环码的计数.     

基于全局与局部特征的嵌入式人脸识别系统

基于主成分分析人脸识别算法,提出一种基于全局特征和局部特征的加权算法,并且在嵌入式(Tiny6410)上完成系统的设计与实现.利用主成分分析提取人脸全局特征,根据特征值贡献率获取降维后的人脸子空间,采用欧氏距离匹配测试样本;用人眼检测算法、鼻子检测算法等提取每个样本的左眼、右眼、鼻子、嘴,分别建立样本集,采用主成分分析;分别计算全局和局部特征的离散度,根据离散度进行自动加权算法,给出最终的人脸识别结果.实验表明,该系统具有一定的稳定性,识别效果优于单一模块的识别.     

基于小电网短期负荷预测方法的研究与分析

电力负荷预测依据经济、社会、气象等相关数据并结合电力负荷历史数据变化规律来估计和推测未来电力负荷的走势.介绍岱山电网负荷结构及特性,并对影响负荷的要素进行了分析.因岱山负荷轻,受气象、大用户影响大的特征,提出、分析将温度、降雨量、风力大小及检修计划作为自变量的多元线性回归短期负荷预测法.以实验结论和事实数据论证该方案的可行性,此方案可用于结构简单的小电网中,以提高短期负荷预测的准确性.     

基于遍历基因组合的特征基因选取方法

特征基因的选取是非常热门的问题,在癌症是由某个或者某几个基因共同相互作用引起变异的假设下,从最简单的2个基因组合进行研究,遍历所有可能的基因组合,运用Logistic回归分类器,以预测精度和AIC准则为评价标准,对所有的模拟结果进行评价,得到最优基因组合（X55187,D14812）。同时运用交叉留一检验,验证了此基因组合建立模型的稳定性。最后又对预测精度大于90%的640对基因组合进行频数分析,并与已有文献进行比较,得到出现频率高的基因组合,预测精度并不一定高的结论。     

粗磷尾矿胶结充填级配及料浆和易性规律研究

利用粗骨料进行高浓度胶结充填是矿业工程中的研究难点,也是前沿性研究课题。为高效利用粗磷尾矿以消除环境污染、土地占用以及采空区诱发的地质灾害等问题,以粗磷尾矿和粉煤灰为主要材料,首先通过SEM、ICP-MSICP-OES、XRD、激光粒度分析及其他标准测试手段对主要充填材料的物理特性、化学成分和矿物成分进行分析;然后利用Füller和Talbol最大密实度曲线理论对粗磷尾矿自然级配和不同破碎粒度磷尾矿级配进行研究;最后采用正交试验设计法及多元非线性回归法对充填料浆和易性规律进行研究。结果表明,粗磷尾矿和粉煤灰物理性能较差,但前者化学特性稳定,后者具有较强火山灰特性;-5 mm粒度破碎磷尾矿具有较优密实度;充填料浆坍落度均随胶砂比、质量浓度和水泥/粉煤灰增大而先增后减,其中胶砂比的影响程度最大;坍落扩散度均随胶砂比、水泥/粉煤灰增大而增大,随质量浓度增大而先增后减,其中质量浓度的影响程度最大;稠度均随胶砂比、质量浓度增大而减小,随水泥/粉煤灰增大而先增后减,其中质量浓度的影响程度最大,且坍落度、坍落扩散度和稠度与各因子之间存在显著非线性关系。     

高准确度网络安全意识个体评估及群体指数构建方法

针对网络安全意识评估方法存在评估准确度不及、客观性不足、缺少对群体的网络安全意识评估方法等问题，提出了一种高准确度的网络安全意识个体量化评估和群体指数构建方法.该方法从多个维度采集个体的网络安全意识数据，利用混合回归模型将安全数据量化为安全得分；利用改进的标签传播算法进行聚类，通过设定监督信息而不依赖标签数据，得到个体的信息安全意识等级；利用多个个体的信息安全意识评估结果，使用基于Grubbs准则构建的指数计算公式，弱化群体中的异常点，量化群体内部共同意识，得到群体网络安全意识指数.实验结果表明，相对现有的评估方法，该方法的准确度和客观性显著提升，同时能够正确反映群体网络安全意识水平，为网络安全意识的全面提升和闭环促进提供了技术方法.      

快速和尺度稳健的纹理图像识别

传统的纹理图像识别方法很难同时获得较好的识别精度、实时性和尺度稳健性,不利于实际的工程应用.因此,提出一种快速和尺度稳健的纹理图像识别方法.该方法首先利用高斯滤波构造一个纹理图像的多尺度空间,然后利用完备的局部二值计数(Completed Local Binary Count,CLBC)算法对多尺度空间中的每个图像提取局部二值特征,并跨尺度提取局部二值特征的最大值,再将多个分辨率的特征相结合作为纹理图像的最终特征描述,最后利用最近子空间分类器(Nearest Subspace Classifier,NSC)判定纹理图像的类别.在基准纹理图像数据库上的实验表明,该方法在识别精度、实时性和尺度稳健性方面获得了很好的综合性能,有利于实际的工程应用.     

烃族组成对柴油储存安定性影响研究

针对柴油储存过程中质量衰变问题，利用典型柴油样品，开展烃化合物对中国成品柴油储存安定性影响规律研究。烃组成分析测定结果表明，柴油中总芳烃和链烷烃之间存在很强的相关性（相关系数为0.90）。综合采用相关分析、逐步线性回归等方法，建立了安定性指标与烃组成的关联模型，拟合验证表明模型可靠，可以直接用于柴油储存安定性预测；研究确定了柴油储存安定性的主要影响物质，按照对储存安定性指标影响的严重程度将烃类物质分为三个等级，其中苊烯和三环芳烃对柴油质量衰变影响最大，链烷烃对十六烷值和热值影响最大。     

Dynamic Latent Class Model Averaging for Online Prediction

We consider the problem of online prediction when it is uncertain what the best prediction model to use is. We develop a method called dynamic latent class model averaging, which combines a state‐space model for the parameters of each of the candidate models of the system with a Markov chain model for the best model. We propose a polychotomous regression model for the transition weights to assume that the probability of a change in time depends on the past through the values of the most recent time periods and spatial correlation among the regions. The evolution of the parameters in each submodel is defined by exponential forgetting. This structure allows the ‘correct’ model to vary over both time and regions. In contrast to existing methods, the proposed model naturally incorporates clustering and prediction analysis in a single unified framework. We develop an efficient Gibbs algorithm for computation, and we demonstrate the value of our framework on simulated experiments and on a real‐world problem: forecasting IBM's corporate revenue. Copyright © 2014 John Wiley & Sons, Ltd.