基于深度学习的中医古文献临床经验抽取

中医古文献蕴藏着丰富的临床经验，是古代中医在行医过程中对临床诊疗的经验性总结，体现了中医学形成和发展的理论框架和思想基础.然而这些宝贵的临床经验不仅量大，而且分散在不同的文献中，使得中医从业者手工很难快速全面地获取它们，文献检索工具也只能提供文档级别的信息筛选，无法为这种细粒度的信息获取提供支持.此外，古汉语相对于现代汉语的不同特点也限制了主流文本分析工具的使用效果.为此本文提出面向临床经验获取的中医古文献信息抽取任务，用于识别古文献中描述临床经验的文本片段，手工标注了样本数据用于这种抽取模型的训练和测试，并设计了基于深度学习的序列标注器用于完成该任务.考虑到标注数据量小可能带来的过度拟合问题，本文引入对抗训练和虚拟对抗训练来增强模型的泛化能力.一系列充分的实验验证了模型的有效性，表明利用信息抽取技术从古文献获取中医临床经验具有可行性，为这一新的信息抽取任务提供了有希望的研究基线和可复用的标注数据集.     

基于生物信息的未知二进制协议聚类方法

协议聚类是协议逆向工程技术中非常重要的一步，针对二进制协议更加透明且满足的协议种类更加广泛的特点，提出了一种基于基因和蛋白质生物信息的二进制协议聚类方法，能够从原始序列角度对大量协议直接进行聚类.本文方法首先将原始二进制报文转化成四进制基因形式，使用快速聚类方法计算碱基两两组合的k-seed值生成距离矩阵，并用UPGMA计算最小距离生成树得到初始分簇；其次，将每一簇四进制协议报文转化成十六进制蛋白质链，得到序列更有语义的方式并采用基于改进mBed算法的聚类方法将其进行高精度聚类.通过对已知和未知协议单纯和混合场景下的测试表明，该方法能够对二进制协议实现高效并且高准确率的聚类，具有较高的应用价值.     

基于Attention Bi-LSTM模型构建蛋白质诱饵序列库

利用计算机技术在海量质谱数据中鉴定蛋白质序列是蛋白质组学研究最基本且重要的任务之一，诱饵序列库构建的好坏是蛋白质鉴定质量控制成功的关键之一。发展了基于注意力机制-双向长短期记忆神经网络(Attention Bi-LSTM)的诱饵序列构建方法，整体研究基于编码-解码框架，采用双向长短期记忆神经网络在解决传统循环神经网络梯度消失问题的同时，可以捕获前向后向更多依赖信息对处理序列数据更加有优势；引入注意力机制提高模型对目标序列库和诱饵序列库相关程度的关注度；并与目前常用的随机和反转算法进行比较。结果显示，基于Attention Bi-LSTM模型构建的诱饵序列库能满足理想诱饵序列库的各项特征要求；在不同大小实验数据集以及谱图、肽段、蛋白3个层面对比分析，显示构建的诱饵序列库与其他方法比具有更好的灵敏性。因此，Attention Bi-LSTM是一种很有潜力的诱饵序列库构建方法。     

基于提升小波变换和离散余弦变换的彩色图像水印算法

针对一些图像水印算法不可见性与鲁棒性不易平衡的问题,提出一种基于提升小波变换和离散余弦变换相结合的水印算法。首先提取载体图像的边缘特征构造二值水印图像,并使用Arnold变换和Logistic混沌映射对水印图像进行加密。然后,将RGB图像转到YCuCv空间,对Cv通道进行提升小波变换(LWT)和分块离散余弦变换(DCT)。最后将加密的水印嵌入每个DCT变换块的低频系数中。实验结果表明,嵌入水印的图像峰值信噪比(PSNR)值均高于43 dB,进行各种常见攻击后归一化相关系数(NC)值接近1。因此,所提出的方案具有较好的水印不可见性,同时对不同的攻击具有较强的鲁棒性。     

NA序列随机和的几乎处处中心极限定理

运用子序列收敛性质证明了NA序列随机和的几乎处处中心极限定理，还证明了权重条件为〖SX(〗1〖〗j〖SX)〗,〖SX(〗logλj〖〗j〖SX)〗 （λ>-1）和〖SX(〗elog αj〖〗j〖SX)〗（α∈[0,1]）时的几乎处处中心极限定理.     

非负函数积分均值的一个不等式性质

利用Hlder不等式证明有界闭区间上非负连续函数积分均值的一个不等式性质,将其推广到与函数整数次幂的积分有关的序列的单调性,并证明该序列的极限即为函数在积分区间上的最大值.     

一类数列极限存在性的证明及其求法

讨论了一类数列极限存在性的证明与其值的求法,通过考研真题和其他实例验证了提出的证明方法是有效、实用的.     

基于改进离散粒子群算法构建制造单元

在未知最佳分群单元数的情况下,考虑了零件多种可选工艺路径和零件工艺顺序,建立基于最小化零件跨单元移动次数的数学模型.通过引入自适应变异因子,提出一种改进的离散粒子群优化算法能动态地确定分群单元数,极大地减少了算法陷入局部最优解的可能.通过对文献中不同规模的单元构建问题进行求解,结果证明了该方法有效,并且无需预先设定分群单元数即可获得与文献中相同甚至更好的结果.     

非同分布φ混合序列加权和的强极限收敛性

利用φ混合序列矩不等式和截尾的处理方法,研究非同分布φ混合序列加权和强极限收敛性质的问题,得到了若干新结果,推广并改进了独立同分布情形下的相应结果.     

龙门山区中泥盆统养马坝组混积相与混积层序及其控制因素分析

龙门山地区中泥盆统养马坝组混合沉积较为发育。本文通过对龙门山地区北川甘溪剖面养马坝组的野外实测,在混合相和混积层序研究的基础上,分析了养马坝组层序体系域中的混合沉积机理及其控制因素。研究表明：龙门山地区中泥盆统养马坝组由下部的以泥质为背景的Ⅰ型混积类型和中、上部以砂、灰为背景的Ⅱ型混积类型组成,混积机理包括间断混合、相混合和原地混合,前两种是主要类型。由陆向海依次发育混积滨岸、碎屑混积陆棚沉积和碳酸盐混积陆棚,建立了混积滨岸—混积陆棚沉积模式。养马坝组发育Ⅱ型混积层序,沉积体系域可划分为4种：SMST、TST、EHST和LHST。各体系域均有不同程度的混合沉积现象,但混积沉积机理存在差别：SMST和LHST以间断混合为主,相混合为次,TST和EHST以相混合为主；风暴作用是引起龙门山地区中泥盆统养马坝组间断混合的最主要的驱动因素。相对海平面变化、物源供给、碳酸盐生产速率和气候变化是控制和影响混合沉积的因素。SMST和HST主要受相对海平面的变化有关,TST则受控于物源供给,气候变化不同程度的影响各体系域的混合作用。