基于深度自动编码器的多标签分类研究

在多标签分类的相关研究中,由于现有的基于网络表示学习算法的相关方法只利用了网络中节点之间的邻接领域信息,而没有考虑到节点之间的结构相似性,从而导致分类准确性较低,因此,本文提出一种基于深度自动编码器的多标签分类模型。该方法首先利用轨迹计算算法(Orca)计算不同规模下网络中节点的结构相似性,作为深度自动编码器的输入来改进隐藏层中的向量表示,保留网络的全局结构;然后利用节点的邻接领域信息在模型中进行联合优化,从而能有效地捕捉到网络的高度非线性结构;最后根据隐藏层得到节点的向量表示,利用支持向量机对节点进行多标签分类。验证实验采用3个公开的网络数据集,实验结果表明,与基准方法相比,本文方法在多标签分类任务中能取得更好的效果。     

异方差加噪下差分隐私流数据发布一致性优化算法

现有基于树结构的差分隐私流数据统计发布方法未能充分利用统计查询可能存在的特定分布规律而进一步提升发布流数据的精度,为此,该文提出滑动窗口下基于异方差加噪的差分隐私流数据发布算法。首先动态构建滑动窗口内流数据对应的差分隐私区间树;其次根据统计查询分布规律计算树节点的覆盖概率,据此对树节点的隐私预算及树结构参数进行调整,以实现异方差加噪;最后,针对异方差加噪后区间树节点值可能不满足一致性约束的问题,设计实时的一致性调节策略。实验结果表明:与同类算法相比,该算法具有较高的查询精度及算法效率。     

Hilbert空间中两个K-框架的算子组合

讨论了Hilbert空间中两个K-框架{f_i}^∞_i=1与{g_i}^∞_i=1通过算子作用再求和后得到的序列{T₁ f_i+T₂g_i}^∞_i=1成为K-框架与紧K-框架的一系列等价条件,所得结果推广与修正了已有结果.     

八角形斯坦纳树问题的文化基因算法

针对多端线网互连问题,提出以超大规模集成电路物理设计中布线阶段应用较多的斯坦纳树为切入点,采用一种基于种群的全局搜索和基于个体的局部启发式搜索相结合的文化基因算法,对八角形斯坦纳树的结构进行优化,从而进一步缩减线长. 使用Prim算法预处理取得初始种群,并重新修改了原本的文化基因的编码以及相关操作,以便可以处理八角形斯坦纳树构建这一离散问题,利用八角形结构,使其能在全局范围内,快速收敛并全局寻优. 实验结果表明,所提算法能获得较好拓扑的八角形斯坦纳树,快速得到多端线网最优或者较优的布线结果,缩减布线的线长.     

基于低秩表示的判别特征提取算法

为了更好地获取高维数据的特征,提出一种特征提取算法——低秩判别映射. 首先基于低秩表示构造代表样本关联性的关联矩阵,然后利用关联矩阵应用判别准则. 低秩表示以样本作为基函数,利用所有样本构建关联矩阵,其构造特点决定了关联矩阵能够很好地体现样本集的全局结构和样本之间的判别关系. 人脸数据集的实验表明,低秩判别映射优于其他广泛应用的特征提取方法.     

Hilbert空间中K-Riesz框架的和

针对一个K-Riesz框架与一个序列的和如何能构成新K-Riesz框架的问题,提出用算子理论研究的方法,得到构成新K-Riesz框架的充分条件. 所得结论更正Riesz框架中的相关结论.     

支持向量机增广拉格朗日方法的探究

支持向量机是机器学习中一种非常重要的分类方法,它在文本分类、语音识别、图像分析、信息安全等诸多领域均有重要的应用.提出了基于支持向量机对偶问题的一种非精确增广拉格朗日算法,讨论了所提算法的收敛性结果,并利用支持向量机模型的稀疏特性,结合矩阵不完全Cholesky分解以及Sherman-Morrison-Woodbury公式等程序实现技巧,极大地减少了所提算法的时间与空间复杂度.数值结果验证了提出算法的可行性和高效性.     

新时期大学数学课程改革的探索和实践

为了克服旧课程体系与改革开放以后大学数学教学总学时数日益减少的尖锐矛盾,顺应现代化教育理念的发展趋势,我们利用近代数学的观点和方法,统筹重组电类、信息类专业大学数学基础课的教学内容,形成新的课程体系,并借助多样化的教学模式和现代化的教育手段,更深刻地向学生揭示数学知识的本质,培养学生的数学思维和创造创新能力。     

基于改进的区域生长鼻咽癌MR医学图像分割

在综述医学图像分割技术的基础上,针对临床鼻咽癌MR医学图像的特点,提出一种基于区域生长的改进分割方法.该方法从基于区域生长的自动分割入手,克服以往交互式地定义初始种子的不足,利用概率矩阵完成初始种子的自动生成,再运用SUSAN算子作为区域生长的终止准则,从而实现对鼻咽癌MR医学图像的有效分割.以福建肿瘤医院临床医学图像数据进行分析实验,结果表明,该方法分割效果显著提高.     

蛋白质网络的特征研究

基于复杂网络理论研究蛋白质网络的特征.构建了蛋白质网络,当截断距离R为0.7 nm时,单体蛋白网络表现出明显的小世界性质.分析了蛋白质网络的分层结构,当截断距离增大时,分层指数b值减小,截断距离R为2.4 nm时,分层指数b与网络规模正相关.研究结果表明,单体蛋白质网络及其对应复合物中肽链网络中接近中心度和介数中心度较高的残基均是非极性、疏水性氨基酸.