GenExtractor:一个基于Web的生物信息挖掘系统

GenExtractor是一个新的基于Web的生物信息挖掘系统,该系统通过Internet对网上生物学数据库中的生物序列数据和基因表达数据进行挖掘,在指定的人染色体区域内搜寻具有特定功能的基因.该系统可为分子生物学家寻找候选基因、收集相关信息等提供有效帮助.通过对人DNA修复基因的查寻,验证了该系统的实用效果.     

基于活跃点的社区跟踪算法

针对复杂网络社区跟踪中存在忽略演化时域因素以及忽略网络成员演化差异性不足等问题,提出一种社区跟踪方法.对相似函数添加时域信息,并考虑网络演化的平滑性与节点间的差异性,提取网络中的活跃节点进行社区跟踪.实验表明,该算法在DBLP数据集上能比其他社区跟踪算法更好地发现社区演化过程,且找到的社区信息相似度较高.     

面向对象的机载LiDAR数据建筑物提取

基于LiDAR数据,提出一种由粗到细的面向对象的建筑物自动提取方法.首先通过机载LiDAR数据构建出归一化数字表面模型(normalized digital surface model, nDSM),利用首尾两次回波高程计算出归一化差值(normalized difference, ND),并采用形态学运算消除边缘特殊回波点.基于nDSM和ND数据,依据建筑物的高程及穿透性信息,用阈值分割法进行建筑物粗提取.结合nDSM和ND数据以及强度信息,对粗提取得到的备选建筑物采取多尺度分割,合并亮度值相差较小的邻近分割结果对象,达到对分割结果的优化处理.最后利用目标对象的亮度、形状、面积和空间关系等特征,完成建筑物的精提取.实验结果表明,该方法可得到较高精度的建筑物信息,是基于机载LiDAR数据提取建筑物的新思路.     

语音识别中结合进化计算的MMI训练方法

将最大互信息(MMI)和进化计算(EC)相结合,引入到HMM的训练中去.各个模型用个体来表示,个体的适应值采用模型的最大互信息.这样借助于演化计算的全局搜索及种群的特点,得到了基于最大互信息估计的HMM模型的更优解.实验结果表明,用该方法训练所得的系统识别率高于传统的基于梯度的最大互信息估计方法训练所得的系统.     

基于生物信息学主题演化的可视化研究

采用基于短语的主题模型以可视化的方式展示了生物信息学的研究主题及其演化.数据采用1998～2015年间14种生物信息学主要相关期刊的文献,利用其文献题目进行了主题的抽取,并可视化主题的演化.研究将有助于:(1)理解生物信息学研究的主题及其主题的演化.(2)发现突现的研究热点.(3)为研究工作者选择研究子领域的提供研究方向.     

面向嵌入式系统的音视频解码与同步播放实现

基于ARM嵌入式系统设计并实现了MPEG-2 TS流的音视频解码和同步播放系统.在该系统中,由于ARM处理器内嵌了硬件视频解码器,为充分利用该资源,采用硬件MFC(multi-format codec)解码器对视频数据进行解码,同时采用开源的Mad(libmad)库对音频数据进行解码.进一步利用V4L2(Video for Linux 2)驱动接口和ALSA(advanced Linux sound architecture)库实现视频和音频的播放.由于视频帧播放周期和硬件处理时延不一致,系统对音视频数据操作存在时间差,从而造成音视频播放不同步.于是采用将视频播放同步到音频播放流的方法实现音视频的播放同步.测试结果表明,设计的音视频解码和同步播放系统可以实现对音视频数据进行解码与同步播放.     

永磁磁路直接数值计算法

介绍一种基于有限元法的永磁磁路直接数值计算方法,其中包括计算模型、工作区和变量单元的处理方法以及相应的网格自动调整和数据信息交流方式等.应用此法分析了实用磁性器件,其结果与实际尺寸吻合较好     

针对LDPC码的伸缩因子量化方案

通过分析节点的信息分布和量化饱和效应,提出一种基于伸缩因子的量化方案.该方案不但对校验节点和变量节点的信息进行伸缩,同时还对初始化阶段的信道信息进行伸缩处理.通过对节点的信息收缩,该方案可以使信息的整数部分表示更多的有效信息,同时也降低量化饱和的影响.该文采用(q,0)对节点进行量化,由于节点信息更新全部采用整数而不需要浮点操作,大大减少了硬件复杂性.同时,对(7493,3048)的LDPC码字仿真表明,该量化方案的性能与浮点性能仅相差0.1 dB.     

基于ElasticSearch的大日志实时搜索的软件集成方案研究

现代企业每天生成很多日志文件,如果能实时处理日志数据,企业能获取更大的商业价值,但管理这个大日志数据是一个巨大的挑战,因为传统的技术用来处理庞大的数据不够高效.Hadoop生态系统提供一种新的方式来处理大数据,ElasticSearch技术是基于云环境的实时搜索引擎.本文提出了基于ElasticSearch实时进行大日志数据搜索的软件集成方案,采用基于硬件创建虚拟机环境,根据搜索条件使用ElasticSearch得到需要的rowkey列表,Hbase用这些rowkey直接从数据库中得到数据.实验证明,随着日志事件搜索量的增加,搜索反应时间不线性增加,基于ElasticSearch的大日志实时搜索的软件集成方案设计具有可行性.     

基于邻域熵的决策表约简

针对传统粗糙集理论难以处理数值型数据的特点,提出基于邻域熵的决策表特征约简方法.该方法通过引入邻域关系进行信息粒化,定义邻域熵概念,用来度量数值型数据的不确定性,证明邻域熵的单调性原理,提出基于邻域熵与分类精度加权的特征重要度概念,基于邻域熵单调性原理设计了两种启发式特征约简算法.理论分析与实例表明该方法是有效可行的.     

一种基于层次结构深度信念网络的音素识别方法

针对现有音素识别系统识别准确率不高、建模方法表征能力不强且易陷入局部最优解等问题,提出了一
种基于层次结构深度信念网络(deep belief network, DBN)的音素识别新方法. 该方法由基于层次结构DBN的瓶
颈特征以及基于DBN的音素分类器两部分组成：其中的瓶颈特征能够充分利用DBN能够处理长时段语音、监督
性的提取方法等特性;而基于DBN的音素分类器则具有更强的建模和表征能力. 因此,将两者结合在一起能够在
提取低维、监督性特征的同时,利用DBN更加有效地对音素后验概率进行识别. 在TIMIT数据库上进行的实验结
果表明,所提出的音素识别方法在识别正确率上相对于以往音素识别系统有较大提高.     

基于CNN和Bi-LSTM的脑电波情感分析

针对目前大多数脑电波情感识别方法存在的依赖手动特征提取等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)网络的混合模型.首先将一维数据转换为二维数据,采用CNN提...     

基于MLP&ST模型的空气质量预测

针对目前大多数模型均为对已监测区域的空气质量进行预测,而少有对未监测区域进行预测的问题,综合考虑气象因素、空间相关性和时间依赖性对空气质量的影响,提出了一种联合训练模型MLP&ST （MLP&spatial-temporal）,模拟预测北京市未监测区域未来时刻的空气质量指数（air quality index,AQI）。通过实验结果对比确定最佳历史时间步长P值为29;然后将模型与其他空气质量预测模型进行对比。实验结果表明,MLP&ST模型在3种评价指标下（RMSE,MAE,MAPE）皆优于其他对比模型,验证了所提出模型具有良好的预测效果。     

基于交互信息的混合特征选择算法

针对传统的特征选择算法只专注于特征间的相关性和冗余性而没有考虑特征之间交互作用的问题,提出一种基于交互信息的混合特征选择(hybrid feature selection based on mutual information,MIHFS)算法,该算法以K-最近邻算法的分类准确率作为衡量所选特征分类性能的评价指标,有效...     

基于LSTM和特征生成的网络流量分类

本文提出了一种将特征生成和长短期记忆（long short term memory,LSTM）模型相结合的网络流量分类方法。该方法采用矩阵乘法特征生成方式,分析对比了不同特征生成方法的分类性能。通过实验比较了原数据和特征数据在分类问题上的准确性,并比较了卷积神经网络（convolutional neural network,CNN）和本文方法用于网络流分类的效果。在统计特征时采用核函数,使其可以适应LSTM输入维度,获得更佳的分类效果。对真实网络流数据的实验结果表明,本文方法在细分类中的准确度可达93.9%,而在粗分类任务中可达99.2%,其性能明显优于现有其他分类方法。     

农田遥感识别方法与应用

农田识别是进行作物的长势监测、产量预报和时空特性研究的基础,能够为国家农业政策的制定提供数据支撑。基于像元的传统农田遥感识别方法只利用了影像像元的属性信息,造成农田识别精度不高。面向对象的识别方法根据多尺度分割后得到对象的光谱、形状和纹理属性分类,提高了农田识别的精度。随着航天技术快速发展,与中低分辨率影像相比,高分辨率遥感影像能够提供更丰富的光谱、形状和纹理特征的目标地物,但同时信息量和数据量呈几何级数增加的高分辨率遥感影像给现有的农田遥感识别方法带来极大挑战。回顾了中低分辨率和高分辨率的农田遥感识别方法的研究进展,重点阐述了多尺度分割与三种监督型机器学习算法组合的面向对象的识别方法。结果表明,以机器学习算法为基础的面向对象分类的总体精度都高于96%,卡帕系数均超过0.93。     

无监督的视频业务特征分析与分类

基于机器学习的流统计特征识别的方法关键在于如何找到具有区分力度的业务流统
计特征. 为此,提出了一些能够较好地区分视频业务的QoS 相关的统计特征. 为了充分地发
挥多级聚类算法的优势,以灵活的特征选择策略标记不同层级的网络视频流,通过大量的真
实网络视频数据进行实验验证. 结果表明,该方法能比现有同类方法取得更高的分类准确率.     

基于IM-SAPSO和SVM的EBPSK检测器设计

参数选择对于支持向量机(support vector machine, SVM)的分类性能很重要,其本质是搜索寻优.该文提出以最小化K-fold交叉验证误差为目标,以改进模拟退火粒子群优化算法(improved simulated annealing particle swarm optimization, IM-SAPSO)为寻优方法的SVM参数优化方法. 利用优化的SVM对扩展的二元相移键控(extended binary phase shift keying, EBPSK)通信系统中经冲击滤波器的“0”和“1”码元进行分类,并和基于SVM、PSO-SVM以及幅度积分判决的EBPSK检测器进行性能对比. 仿真结果表明：基于IMSAPSO和SVM的EBPSK检测器性能明显好于其他3 种检测器.     

投影点坐标方差最小化车牌垂直倾斜校正

车牌识别中为便于字符分割与识别,需对倾斜车牌进行校正. 该文提出基于字符投影点坐标方差最小的车牌垂直倾斜校正方法. 首先对水平校正并划定字符区上下边界后的车牌图像进行字符粗分割,然后将字符点经剪切变换沿垂直方向投影. 根据投影点坐标方差最小导出两种剪切角闭合表达式,由此一步确定车牌垂直倾斜角并进行校正. 实验结果表明：与车牌垂直倾斜校正的旋转投影法和直线拟合法相比,该文提出的方法精确度高,运算时间少且鲁棒性好.     

灰度和纹理特征组合的SAR影像SVM分类

针对利用单一特征进行分类的效果不理想、普适性不强等问题,提出了一种灰度和不同纹理特征组合的支持向量机(support vector machine, SVM) 分类方法,将由不同特征组合的SVM分类器用于SAR影像分类,并对几种不同的分类结果进行定性和定量比较分析. 实验结果表明,灰度和不同纹理特征组合的SVM分类方法能够取得较高的分类精度,其结果要优于传统的单一纹理特征分类,是一种有效的SAR影像分类方法.