基于非负矩阵分解最小二乘的多视角行人分类算法

针对不同视角的行人样本具有较大的类内差异性,造成多视角行人识别错误率较高的问题,提出一种基于非负矩阵分解最小二乘的多视角行人分类算法.采用非负矩阵分解的方法对多视角的行人样本图像进行子空间分解,提取基向量;引入协同表示的方法并在最小二乘约束下,对子空间进行稀疏表示获得稀疏分解系数;利用近邻子空间方法对分解系数进行分类.基于自行构建的多视角行人数据库进行对比实验,结果表明该算法的准确性和有效性优于其他方法.     

核偏最小二乘回归在面部表情识别中的应用

面部表情识别作为一个分类问题,由于其在人机交互中扮演着重要角色,已成为人脸识别领域的前沿研究方向.本文分析了(核)偏最小二乘回归并获得了一种新方法来解决这些问题.此外还发现核偏最小二乘回归的第一阶段等价于特征提取的广义判别分析并证明了核偏最小二乘回归可以通过定义虚拟矩阵直接应用于分类问题.通过实验发现,提出的线性降维改进算法在大多数情况下优于其他常用算法;基于面部表情识别的核偏最小二乘回归算法在人脸数据集上也取得了良好的分类效果.     

共有基因模块构建大规模基因调控网络

目的 提出一种利用共有基因模块构建大规模基因调控网络算法(Common Gene Mod-ules Network,CGMN),有效降低传统基因调控网络构建基因节点规模较大的基因调控网络(包含几百个,甚至几千个基因节点)时时间复杂度过大的缺陷.方法 CGMN算法从基因表达数据出发,采用6种常用聚类算法把基因表达模式相似的基因聚类成功能模块,找出6种聚类方法的共有模块,并将其作为功能模块基因节点,采用局部贝叶斯网络(Local Bayesian Network,LBN)算法构建功能模块基因-基因调控网络.结果 与结论 大规模细胞周期基因表达数据集上仿真实验结果表明,搜索共有模块压缩基因节点数目策略,能够有效降低大规模基因调控网络重构时间复杂度,且验证了CGMN算法构建大规模基因调控网络的有效性.     

L1约束的三维人脸稀疏重建

为了提高三维稀疏重建的精细度和鲁棒性,该文在改进模型参数先验分布描述的基础上,推导出一种最大后验概率参数估计方法即L1约束最小二乘重建方法。在BFM三维人脸库上测试重建算法的误差,L1约束最小二乘重建方法的重建结果精度优于无约束和L2约束最小二乘重建结果,也优于文献中的动态成分选择算法的结果,并且重建性能更鲁棒。实验结果表明:该方法与传统的无约束最小二乘或L2约束最小二乘等方法相比,能更可靠地克服实际中三维稀疏形变模型的表示基存在严重的多重共线性的问题,具有较好的重建性能。     

一种改进的最小二乘支持向量机算法

最小二乘支持向量机是标准支持向量机的一种扩展,它是支持向量机在二次损失函数下的一种形式.它用等式约束代替不等式约束,求解过程变为解一组等式方程,避免了求解耗时的二次规划问题,但同时也丧失了标准支持向量机的稀疏性,影响了二次学习的效率.针对上述问题,本文提出了一种改进的最小二乘支持向量机增量学习方法.改进的最小二乘支持向量机算法采用自适应剪枝方法对解进行稀疏,根据每次训练得到的分类器性能来设定剪枝阚值和样本增量的大小,如果得到的分类器性能好,剪枝阈值和样本增量就大,反之,剪枝阚值和样本增量就小,从而提高了最小二乘支持向量机训练效率,解决了稀疏性问题.最后,仿真实验表明该算法方案可行.     

构造稀疏最小二乘支持向量机的网络入侵检测模型

从最小二乘支持向量机的稀疏表达出发,构建高效的基于稀疏最小二乘支持向量机的网络入侵检测模型,提出了一种通过基于核空间近似策略的有效低秩逼近来有效减小原始训练样本集中的支持向量数来实现最终模型的稀疏表达.以MIT KDD99数据集为基础,对所提出方法进行有效性验证,并与利用剪枝策略通过递归过程中不断减少模型中支持向量个数的稀疏化方法、基本最小二乘支持向量机以及标准支持向量机方法的性能进行对比.结果表明:基于核空间近似的最小二乘支持向量机稀疏化与标准最小二乘支持向量机相当;此外稀疏最小二乘支持向量机能够提高入侵检测响应速度.     

非线性基线长度约束在北斗测姿中的应用

针对传统无约束LAMBDA(least-squares ambiguity decorrelation adjustment)算法中整周模糊度求解成功率不高的问题,提出一种利用基线约束的整数最小二乘快速求解整周模糊度的方法,并将其应用到北斗姿态测量系统中.该方法利用基线长度作为先验信息,将无约束的整数最小二乘扩展为非线性约束的最小二乘,并采用正交映射方法求解其约束解;同时在模糊度求解过程中,根据搜索空间的特性,先确定其上下界范围,再对模糊度残差范围限定,减少模糊度搜索过程中的候选解,最后采用迭代增加模糊度空间法和约束最小二乘求解对模糊度候选解筛选.实验采用单频北斗接收机实时数据对该算法的有效性进行验证,结果表明,在单频单历元条件下,该算法有效降低计算量,将姿态角求解成功率提高30%左右.     

带子矩阵约束的二次逆特征值问题的最小二乘埃尔米特广义斜哈密顿矩阵迭代解

针对带子矩阵约束的二次逆特征值问题的最小二乘埃尔米特广义斜哈密顿结构矩阵解问题,给出了一种共栀梯度迭代算法.首先提出了带子矩阵约束的二次逆特征值问题的最小二乘问题及其最佳逼近问题;然后分别给出了基于共轭梯度的迭代算法,证明了算法的收敛性.对于任意初始约束矩阵,在不存在舍入误差的情况下,用该迭代算法可以在有限步迭代中得到...     

偏最小二乘法与人工神经网络耦合的小流域产沙模型

针对小流域侵蚀产沙的复杂性,将偏最小二乘回归与人工神经网络耦合,建立了小流域降雨侵蚀产沙检验模型,并应用于小流域降雨侵蚀产沙预报.采用偏最小二乘法对多维自变量中的信息进行组合和提取,从而得到对因变量解释能力最强并可很好概括自变量信息的主成分,有效克服了变量之间的多重相关问题,实现了对高维数据的降维处理.把提取的主成分作为神经网络的输入,提高了网络的学习效率和稳健性.应用结果表明,偏最小二乘神经网络耦合模型的拟合和检验精度均优于偏最小二乘回归模型和人工神经网络模型精度.     

基于核偏最小二乘回归的人脸识别

在采用主成分分析进行人脸重构和识别时,仅从样本自身提取特征向量会导致识别误差。因此,在参考主成分分析的基础上,采用偏最小二乘回归进行人脸图像的训练和识别,并对偏最小二乘回归引入核函数。在ORL人脸数据库上的实验结果表明,偏最小二乘回归明显优于主成分分析,同时核偏最小二乘回归也显著提高了识别正确率。     

Pathway-pathway network-based study of the therapeutic mechanisms by which salvianolic acid B regulates cardiovascular diseases

Investigation of the potential therapeutic mechanisms of drug candidates is an essential step in the process of new drug discovery.With the rapid development of systems biology,recent network analyses of proteins,drugs,and diseases have enabled great progress in delineating the molecule mechanisms of drug candidates.However,most analyses perform a direct association between gene/protein and disease levels without considering the intermediate biological pathways regulated by the drugs.Given that a protein performs its biological roles through pathways,we propose using a novel pathway-pathway network analysis to investigate the potential therapeutic functions of the drug candidates.Many studies have demonstrated that salvianolic acid B(SalB) of Salvia miltiorrhiza is an effective therapy for cardiovascular diseases(CVD).Using molecular docking methods to identify direct interacting targets of Sal B,we collected all Sal B-regulated proteins with supporting experimental evidence in PubMed abstracts.FDA-approved CVD drugs and their corresponding targets were also collected.From a traditional drug-protein network analysis,we found that Sal B could affect ACE and REN of the renin-angiotensin-aldosterone system to relax vessels and alleviate hypertension.Subsequent pathway-pathway network analysis was attempted to study the mechanisms of Sal B in treating CVD,and demonstrated that Sal B regulates immunity/inflammation,apoptosis,ion transport and basic metabolism processes in the treatment of CVD.Regulating the immune/inflammation process may be the major mechanism of Sal B.We believe that pathwaypathway network analysis is a novel method for studying the therapeutic mechanisms of herbal ingredients.     

一种面向稀疏表示的最大间隔字典学习算法

近年来,基于稀疏表示的分类技术(SRC)在图像分类和目标识别中取得了巨大的成功。在该框架中,过完备基的学习和多类分类器(通常为支持向量机SVM)的训练是最关键的两个步骤。但在目前的许多方法中,这两个模块的构建过程都是相互独立的。该文针对以上问题,提出了一种用于稀疏表示的最大间隔字典学习算法,将两类SVM分类器的损失函数项的平方及分类间隔作为正则项与稀疏字典的学习过程进行了整合,并提出相应的坐标轮换优化算法对目标函数进行优化,实现了字典和分类器的同步学习。所提出的框架能够增强多类分类器中两类分类器的推广性能,并减少多类分类器的误差界。为了对所提出算法的性能进行评价,在2个常用标准库上进行了分类实验。结果表明,所提出的算法的与SRC相比识别率提升均超过3%。     

Ranking effects of candidate drugs on biological process by integrating network analysis and Gene Ontology

There are high preclinical attrition rates in current drug discovery. The efficient assessment approach in the high throughout candidate drugs screening still needs great improvement. We propose two hypotheses. First, both drug action process and biological process can be converted to a common space of gene or gene product profiling. Second, the strength of drug action on biological process can be realized in the context of biological network. Based on the above hypotheses, we establish an algorithm termed Network-based Assessment for Drug Action (NADA) to assess the action strength of candidate drugs on certain biological processes. Then NADA is used to prioritize the effects of six compounds from traditional Chinese medicine on endothelial cell migration, a simple process defined by Gene Ontology, in the biological network specific for a given pathological process, angiogenesis. The computational results are subsequently tested by the experiment on the migration of Human Umbilical Vein Endothelial Cells in vitro. The experimental ranks for six compounds generally agree with the predicted output of NADA. NADA also outperforms the DAVID and meet/min methods in terms of the experimental orders, suggesting that the network topological features may have a key role in catching the mechanistic relationship between drug action and biological process. Hopefully, the progress of network biology approaches for deciphering complex diseases will further expedite the preclinical screening and accelerate the development of treatment modalities.     

根平方为零的Nakayam代数上的T-倾斜模

T-倾斜模是经典的倾斜模的一个推广，它与三角范畴中的Cluster-倾斜模以及Silting对象有着密切的联系．本文给出了根平方为零的Nakayama代数上的所有的T-倾斜模．     

偏 Doi-Hopf 群 结 构

通过引入偏Doi-Hopf群结构和偏Doi Hopf群模的概念, 推广了Doi-Hopf结构, 并给出其应用实例和基本的代数性质. 综合群余代数和偏缠绕结构的思想构造了从偏 Doi-Hopf群模范畴到模范畴的忘却函子, 并证明了它有右伴随函子.     

基于炎症反应的阿尔茨海默症功能模块构建

整合阿尔茨海默症患者6个脑区的基因表达数据和蛋白质相互作用数据,较好地避免了基因表达数据高噪声、高变异等不足对构建基因调控网络精度和准确性的影响.考虑到脑部神经炎症是AD发病的重要原因之一,以及钙平衡失调可能是AD几个致病因素联系的纽带,结合蛋白质网络挖掘与AD发病密切相关的基因及炎症和钙离子功能网络,采用最大权重诱导子图(Heinz)算法实现两种高通量数据的结合并提取显著扰动子网,在此基础上利用基于边权的模拟退火算法预测和优化扰动网络,去除网络中较弱的相互作用,添加预测的较强的相互作用,提高网络的精度.实验共提取206个特征基因,并且提取了脑部炎症及钙离子作用机制的功能模块子网.结果证明,使用基于边权的模拟退火算法进一步加强了功能网络的模块性.经生物学分析证明炎症和钙离子机制在AD致病机制中起着很大的作用.这些数据在不同方面为系统地认识基因的复杂调控机制提供了必要的信息.     

TDCS的压缩感知稀疏信道估计方法

为充分利用变换域通信系统高速无线传输时信道表现出来的稀疏多径传输特性,提高TDCS的信道估计精度,提出一种基于压缩感知的TDCS稀疏信道估计方法。针对TDCS设计了一种导频图案,该导频图案设计的数据帧结构保证了TDCS信号授权用户的正交性,且其构造的测量矩阵具有较低的互相关特性;利用Dantzig Selector重构稀疏信道冲激响应值。基于COST207乡村信道模型的仿真表明:新方法可有效降低稀疏信道估计的均方误差,在误比特率为0.002时可获得比最小二乘估计方法高约1dB的性能增益。     

基于遗传算法的数控机床服务模块配置设计

为实现数控机床总体配置的最优化设计,采用遗传算法对数控机床服务模块进行配置设计.根据数控机床产品全生命周期过程中相关服务类型,将服务模块划分为产品相关服务模块和产品不相关服务模块.主要研究产品不相关服务模块,利用遗传算法对各个服务模块进行编码,并以服务价值系数、服务质量水平和客户相对满意度作为优化目标构建适应度函数,建立数控机床服务模块化多目标模型.通过各个服务模块以及子模块之间的相互约束关系保证模型的有效性.最后,通过MATLAB编程求解得到服务模块配置方案.     

基于3D-OMP算法的SAR动目标成像方法

针对稀疏场景下的SAR动目标成像问题展开研究，提出一种基于三维正交匹配追踪(3D-OMP)算法的稀疏成像方法。首先对成像区域进行网格划分，然后以运动目标的二维速度作为动态参数构建三维稀疏字典矩阵，即参数化稀疏表征。在算法迭代过程中，通过计算回波数据矩阵与三维稀疏字典矩阵各层之间的相关度筛选出信号的支撑集。最后利用最小二乘准则，计算出支撑集下目标场景的稀疏表征系数。该3D-OMP算法是经典OMP算法的改进与拓展，因此继承了OMP算法计算复杂度低、信号稀疏特征增强明显的优势，同时具备了重构SAR动目标图像的能力。仿真实验结果验证了该SAR动目标成像方法的有效性。