一种改进的增字最大匹配算法

汉语自动分词技术是中文信息处理的关键技术,目前已经成为中文信息处理的瓶颈。介绍了目前几种常用的自动分词算法,在对各种分词算法进行研究的基础上,对现有的增字最大匹配法进行了进一步的改进,更加充分的体现了最大匹配法中的“长词优先”的原则,使分词系统在自动分词阶段有比目前的增字最大匹配法更好的效果。     

基于卷积神经网络的基因剪接位点预测

研究剪接位点可以更深入地探索剪接机制和基因预测方法,准确预测剪接位点至关重要。基于深度学习技术提出一种新的预测方法,无需人工提取样本特征,以基因序列的K-MER编码向量作为输入,采用训练后的卷积神经网络(CNN)模型进行预测。基于人类基因HS3D供体数据集,与传统机器学习方法进行预测比较,结果表明预测模型的主要性能指标,包含马修斯相关系数(MCC)、灵敏度(SN)均超过传统的机器学习方法。     

基于随机博弈机制的物联网安全收敛算法研究

为解决当前物联网安全收敛算法存在的节点覆盖区域冲突,读写性能不强,难以解决信号干涉等不足,本文提出了基于随机博弈机制的物联网安全收敛算法。首先,采取信号正交调节方式,确定信道发射过程中最佳信噪比性能,且通过随机博弈方式进一步调节节点覆盖半径,降低因节点间频率干涉而导致的覆盖区域冲突及读写性能不强等问题,改善了节点间因工作频段相似而导致频率干涉问题;随后,考虑到单纯通过调节节点覆盖半径方式存在的精确化程度不够的问题,采取调整节点发射过程中时间戳读写的措施,构建时间戳读写规避机制,通过调整物联网节点进行信道发射过程中的时间窗口,实现对发射信号的精确传送,进一步降低了信号干涉发射的概率。仿真实验表明:与当前广泛部署的节点能量感知退避算法(Node Energy Aware Backoff Algorithm,NEAB机制),时间窗口感知调整算法(Time Window Aware Adjustment Algorithm,TW2A机制)相比,本文收敛算法具有更小的网络完全收敛时间与节点读写时间,以及更少的单节点最大收敛次数,具有很强的实际部署价值。