粗糙集模糊神经网络味觉信号识别系统

针对C-means聚类算法和减法聚类算法的不足,提出了一种模糊神经网络味觉信号识别系统模型,该模型利用粗糙集的离散化算法和规则提取算法获得数量较少的分类规则,将这些分类规则转化为模糊IF-THEN规则,进而通过这些模糊IF-THEN规则确定网络结构.网络输出采用投票机制,使用粒子群优化方法精炼网络参数,与常用的提取模糊if-then规则的算法相比,该方法只有一个参数且易于实现.实验结果表明:该方法可获得更简洁的系统表示,并且通过选择合适的系统参数可使系统对加噪声训练样本的错误识别率降低5%左右.     

排序距离矩阵蛋白质结构比对算法

提出一种改进的SortMatAlign算法, 通过快速排序预处理距离矩阵, 使MatAlign算法的时间复杂度由O(N₄)降为O(N₃). 结果表明, SortMatAlign算法计算出的RMSD值平均是MatAlign算法的1.098倍, 使用残基个数和RMSD综合衡量标准的S值平均是MatAlign算法的0.968倍, 在同等条件下, 运行速度比MatAlign提高18.276倍.     

基于距离最大熵值的蛋白质结构域边界检测系统

首次将蛋白质结构域边界检测问题归结为非平衡数据学习问题, 提出一种新的欠采样方法, 即在支持向量机特征空间中对与正类样本具有距离最大熵值的负类样本进行采样. 以经过筛选的蛋白质结构域数据库作为实验数据, 支持向量机学习系统的平均预测准确率可达80%, 同时具有较高的敏感性和特异性.     

新世纪软件工程人才的培养体系

在分析计算机软件教育现状的基础上, 根据试办示范性软件学院软件人才培养的需求, 提出了适应21世纪国家软件产业发展需要的人才培养目标, 探索并实践了2+2和0+4以及与国外大学和知名软件企业合作办学等教学模式, 提出符合培养有特色的新型软件人才课程体系的基本原则和策略.     

一种基于支持向量机的蛋白质结构域边界预测方法

提出一种基于支持向量机学习蛋白质结构域的边界预测方法. 在分析多序列比对结果的基础上, 定义了几种能够直接或间接反映蛋白质结构属性及结构域信息的新方法. 结果表明, 蛋白质序列信息预测边界信号的正确识别率达85%以上, 具有较好的泛化能力.