融合PPI网络和基因表达的复合物识别算法

从大规模相互作用网络中识别蛋白质复合物,对解释特定的生物进程和预测蛋白质功能具有重要作用,同时也是后基因组时代一 个最重要的研究课题. 考虑到传统仅基于蛋白质相互作用网络（PPI网络）的蛋白质复合物识别算法可靠性不高,本文提出 了一种新的融合PPI网络和基因表达数据的蛋白质复合物识别算法IPCIPG. 区别于之前用基因表达数据评估PPI网络可靠性的做法,本文提出在蛋白质复合物的识别过程中将PPI网络和基因表达数据有机地结合起来. 算法IPCIPG首先根据边聚集系数（ECC）与蛋 白质间共表达的相关性（PCC）计算PPI网络中每个节点的权重,权重最大的节点作为种子,然后从种子节点开始扩充生成稠密子图. 基于酵母数据集的实验结果表明,算法IPCIPG较其他算法HUNTER,HC-PIN,CMC,SPICI,MOCDE,MCL能够更准确,更有效地 识别出具有特定生物意义的蛋白质复合物.     

海战场环境实时红外视景仿真

海战场环境实时红外视景仿真已成为提高军事训练水平的重要手段,也是对装备进行性能评估的重要方法。简单介绍了红外视景仿真的发展现状,并依据视景仿真步骤重点对目标模拟和背景模拟进行具体研究;对如何提高实时性给出了具体思路,最后对红外视景生成结果进行分析。所仿真的红外视景符合实际情况,效果逼真,可以用于对装备的性能评估和战术应用研究。     

生物医学文献知识发现研究探讨及展望

采用文本挖掘技术处理海量生物医学科技文献和文本注释型数据库。从而发现创新知识如基因、蛋白质、疾病、药物及其相互关系的研究是当前人工智能和数据挖掘领域研究的热点。本文对生物医学文献知识发现的研究内容、研究成果以及基于文本挖掘的关键技术诸方面进行了系统的分析和阐述。通过分析中医药学数据的特点，提出了基于文本挖掘的中医证候分子生物学知识发现研究，该方法的特点是综合利用中医药学文献和MEDLINE，能够获得创新的证候与基因相关知识。初步实验表明，文本挖掘技术有望为证候的分子水平研究提供辅助和支撑手段。     

基于特殊阵列递归构造Bent互补函数偶族

单值并元相关函数互补码偶是一类并元自相关函数为脉冲函数的一族码偶。这样的码偶具有能将码偶中的一方码与另一方码的并元移位区分开来的特性。为了进一步研究单值并元相关函数互补码偶,并为其研究提供有效的数学工具,提出了一类新的类Bent函数———Bent互补函数偶族。进一步研究了Bent互补函数偶族的构造方法,给出了应用列正交阵列和列并元最佳阵列偶由低维Bent互补函数偶族递归构造高维Bent互补函数偶族的方法。应用Bent互补函数偶族与单值并元相关函数互补码偶的等价关系,相应地可以构造出许多单值并元相关函数互补码偶。     

On Eigen-Matrix Translation Method for Classification of Biological Data

Driven by the challenge of integrating large amount of experimental data, classification technique emerges as one of the major and popular tools in computational biology and bioinformatics research. Machine learning methods, especially kernel methods with Support Vector Machines(SVMs)are very popular and effective tools. In the perspective of kernel matrix, a technique namely Eigenmatrix translation has been introduced for protein data classification. The Eigen-matrix translation strategy has a lot of nice properties which deserve more exploration. This paper investigates the major role of Eigen-matrix translation in classification. The authors propose that its importance lies in the dimension reduction of predictor attributes within the data set. This is very important when the dimension of features is huge. The authors show by numerical experiments on real biological data sets that the proposed framework is crucial and effective in improving classification accuracy. This can therefore serve as a novel perspective for future research in dimension reduction problems.     

超完备稀疏表示的图像超分辨率重构方法

为改善单帧退化图像的分辨率,提出一种基于超完备字典稀疏表示的图像超分辨率重构方法。该方法的核心是构建信号自适应的超完备字典对及计算图像关于对应字典的稀疏表示。为降低在训练过程中构建超完备字典对的复杂性,采用学习低分辨率字典而数值计算高分辨率字典的方法,待超分辨图像应用正则正交匹配追踪的稀疏表示算法求解关于字典的稀疏表示,并联合高分辨率字典实现超分辨率重构。实验表明,该方法与其他类似算法相比,字典训练和超分辨测试的速度都有显著提高,实验图像的峰值信噪比改善3.3 dB,框架相似性提高0.09。本方法可应用于单帧模糊图像的高倍率的超分辨率重构,有效地提高了图像的分辨率水平。     

一种基于训练序列的OFDM时频同步新算法

针对正交频分复用(orthogonal frequency-division multiplexing,OFDM)系统性能对同步偏差的敏感性,提出了一种新的基于训练序列的OFDM联合定时和频率同步算法。基于新设计的训练序列结构,提出了新的定时度量函数,同时推导了小数倍频偏估计算法。新定时同步算法有效地克服了传统算法中的定时缺陷,新频偏估计算法具有和Schmidl算法相同的估计方差。理论分析与仿真结果表明,新算法在多径信道下具有较好的鲁棒性。     

基于作战效能的战场电磁环境分级描述方法

对电磁环境分类分级是对电磁环境的基本描述方法,是认识电磁环境的基础,因此建立一套对其描述的方法,对武器研制、部队训练具有重大意义。针对现有战场电磁环境分级描述方法的不足,提出了一种基于武器装备作战效能的战场环境分级描述方法,利用复杂环境下武器作战效能的变化对电磁环境进行分级描述,从武器对环境“感受”的角度描述电磁环境。首先对战场电磁环境的定义和内涵进行分析,接着介绍基于武器效能变化的战场电磁环境分级描述方法,最后给出详细的仿真算例。与现有描述方法的对比表明该方法可控性强,可以体现出战场电磁环境的相对性。     

相互正交的ZCZ序列偶集的构造

由于零相关区（zero correlation zone, ZCZ）序列偶集作为通信系统的扩频序列,具有减少或消除多址干扰,有效改善系统性能的优越性能。构造性能参数达到或接近最优的ZCZ序列偶集,成为研究的重点。提出多集合相互正交ZCZ序列偶集的构造方法,基于最佳序列偶和正交矩阵偶,构造多组相互正交的ZCZ序列偶集。先对ZCZ序列偶进行移位操作,引入正交矩阵偶对其进行扩展,得出的序列偶集合相互正交性能参数达到或接近最佳。同已有方法相比较,所提方法构造集合数目更多,且放宽了序列偶中对序列长度的要求。     

智能虚拟维修环境多Agent 协作机制

针对智能虚拟维修环境中多Agent协同作业求解问题,提出一种基于任务驱动方法的协同虚拟维修训练体系框架,并构建基于该框架下的协作感知-规划-行为（Sense-Plan-Action,SPA）关系模型,在该模型中使用参数化表达方法来量化多Agent 协同作业过程,并将任务求解过程转化为时序信息、属性状态演变、目标决策等多通道框架驱动协同作业的实现,解决了多Agent 协同作业的逻辑关系问题。最后,将该方法应用于轮式工程机械协同虚拟维修仿真过程中,实现了协同虚拟维修可视化,验证了任务驱动方法在协同虚拟训练中的可行性。     

基于基因算法的隐马尔可夫模型参数估计

隐马尔可夫模型 (hiddenMarkovmodel)是一种统计模型 ,被广泛地应用于信号处理和模式识别中。隐马尔可夫模型是一种双随机过程 ,在实际应用中 ,对隐马尔可夫模型的训练 (参数估计 )是一个非常重要的问题 ,训练方法的优劣将对整个应用效果产生重要的影响。传统的模型训练方法存在容易陷入局部最优以及对训练样本依赖性较大等弱点。为了进一步提高模型训练的有效性 ,提出了一种基于基因算法的模型训练方法 ,与已有的方法相比 ,解决了对初始值敏感的问题 ,并且具有更高的稳定性和准确性 ,因此是一种很有实用价值的新方法。     

Systems methods for environmental management

Changes in environmental research, planning, and management over the past 20 years have determined the requirements for new methodological approaches to connect environmental science and policy. This paper identifies the most prevalent directions in which the new approaches are heading based on an overview of five methods developed over the past 15–20 years. These include the environmental impact assessment methods, the adaptive environmental assessment and management approach, the environmental management and training games, decision support systems, and the policy exercise method. Conclusions of this overview are intended to provide guidelines for future methodological efforts to create better interfaces between environmental science and environmental policy.     

易扩展小样本环境说话人辨认系统的研究

针对基于人工神经网络的说话人辨认系统所存在的问题,提出了一种基于模糊最小二乘支持向量机(LS-SVMs)技术的两级分类说话人辨认系统。第一级对说话人进行大类预分,第二级则在大类范围内实现具体说话人的辨认。当有新的说话人加入时,只需要增加与新说话人相关的若干个二级分类器。系统仿真实验表明,在训练样本时长取3-11s,说话人由32人增至36人时,本文方法实现的系统训练时间明显降低,识别率更高。     

基于LSTM的弹道导弹主动段轨迹预报

弹道导弹主动段长周期轨迹预报能够为导弹防御系统提供早期预警信息。传统的轨迹预报方法大多集中在导弹的自由段与再入段,通过解析法、数值积分法或函数逼近法推断未来时刻目标的状态。由于弹道导弹在主动段会受到多个未知作用力的影响,其轨迹预报相比自由段与再入段更具挑战性。为此,本文提出了一种基于长短时记忆(long short-term memeory, LSTM)网络的弹道导弹主动段轨迹预报方法。首先,根据导弹主动段动力学模型与弹道参数典型取值生成用于网络训练的大规模轨迹样本;其次,设计了基于深度LSTM网络的弹道导弹主动段轨迹递归预报方法;最后,与基于数值积分法、多项式拟合及反向传播神经网络的轨迹预报方法的实验对比,表明了所提方法在主动段轨迹预报上的优越性。     

一种基于序列比对的路由对称性定量分析方法

路由对称性是互联网的基本属性之一。基于序列比对计算，提出一种路由对称性定量分析方法，可客观地评价不同网络主机的路由对称程度。使用该方法，对互联网的AS级路由对称性特征进行了定量分析，主要发现有：（1）互联网的AS级路由对称程度较高，分析中仅3．74％的主机对存在严重AS级路由不对称。（2）路由对称性与路由长度有关，较长路由长度的主机对AS级路由对称程度较低。（3）不同网络主机的路由对称程度不是均匀分布。     

Prototype for logging system calls and its overhead analysis

With the capability of the virtual machine monitor,a novel approach for logging system activities is designed.In the design,the guest operating system runs on the virtual machine monitor as non-privileged mode.The redirecting and monitoring modules are added into the virtual machine monitor.When a guest application is calling a system call,it is trapped and redirected from the least privileged level into the virtual machine monitor running in the most privileged level.After logging is finished,it returns to the guest operating system running in the more privileged level and starts the system call.Compared with the traditional methods for logging system activities.the novel method makes it more difficult to destroy or tamper the logs.The preliminary evaluation shows that the prototype is simple and efficient.     

基于认知驱动的变换域通信智能抗干扰方法

为满足未来无人系统通信智能抗干扰的实际需要,针对传统变换域通信系统(transform domain communication system,TDCS)自身开放性有限、干扰应对能力不足等问题,设计了基于认知引擎驱动的智能系统架构,并针对各认知引擎驱动子模块提出了3种改进方法,包括基于稀疏逼近的未知干扰处理、基于稀疏表...     

证据建模研究综述

证据理论是一种有用的不确定推理的数学工具,在信息融合、模式识别等领域具有广泛的应用。如何根据获得的证据信息构造合适的基本信任分配即证据建模是应用证据理论的前提,但是证据理论并没有提供通用的证据建模方法,现有的证据建模方法都是面向具体应用的。依据信息的抽象层次,将现有的证据建模方法分为基于特征信息和基于决策信息的建模方法,并分别对其进行了总结分析。最后,讨论了证据建模中存在的问题并指出了未来的研究方向。     

基于改进协同训练的本体映射方法

针对基于机器学习的本体映射方法存在的人工标记代价高和样本不平衡问题,将本体映射建模为二视图上的协同训练问题,分别从本体模式层和数据层提取特征集。通过对本体概念对进行预匹配,缩小样本不平衡度。分析了传统协同训练方法的局限性,结合主动学习思想,设计了一种考虑样本价值的改进协同训练算法,在每轮迭代中选择更有价值的未标记样本更新训练集。实验结果表明,该方法学习效率更高,同时能取得较好的本体映射结果。     

Improved adaptive pruning algorithm for least squares support vector regression

As the solutions of the least squares support vector regression machine(LS-SVRM) are not sparse,it leads to slow prediction speed and limits its applications.The defects of the existing adaptive pruning algorithm for LS-SVRM are that the training speed is slow,and the generalization performance is not satisfactory,especially for large scale problems.Hence an improved algorithm is proposed.In order to accelerate the training speed,the pruned data point and fast leave-one-out error are employed to validate the temporary model obtained after decremental learning.The novel objective function in the termination condition which involves the whole constraints generated by all training data points and three pruning strategies are employed to improve the generalization performance.The effectiveness of the proposed algorithm is tested on six benchmark datasets.The sparse LS-SVRM model has a faster training speed and better generalization performance.