基于MiRfilter系统的毛果杨miRNA预测

从参数训练、参数范围训练、候选成熟体打分等方面改进miRNA预测系统MiRfilter,使其适应拥有更长前体的植物miRNA的预测.预测毛果杨基因组上的miRNA,并对系统进行精度检验.利用MiRfilter系统共预测出3 860条候选miRNA;在110个正样本中,正确识别91条前体和80条成熟体,前体预测精度为82.73%,成熟体预测精度为72.73%;在毛果杨第4号染色体（LG_Ⅳ）上得到的1 968个负样本中,有12个数据可认为是miRNA,假阳性率为0.61%.     

基于GenePANDA算法的精神分裂症药物靶基因预测

精神分裂症是常见的精神障碍类疾病.目前,治疗精神分裂症的药物存在疗效差、副作用大和耐药性的问题,迫切需要开发新的药物,而发现新的药物靶基因是开发新药的重要环节.为了预测精神分裂症药物的靶基因,我们首先基于DrugBank中药物已知的靶基因,使用网络算法GenePANDA预测出候选靶基因;之后,我们对药物已知靶基因进行功能富集分析,使用富集出的生物学通路筛选候选靶基因,最终得到48个候选靶基因.其中,29个基因被报道和精神分裂症直接相关,13个基因被报道为精神分裂症药物的靶基因.此外,在DrugBank中共有54种药物靶向预测出的基因,其中17种药物被研究报道可用于治疗精神分裂症.     

基于对比学习思想的多跳问题生成

针对获取大规模的多跳问答训练数据集耗时耗力的问题,提出一个基于对比学习思想的多跳问题生成模型.模型分为生成阶段和对比学习打分阶段,生成阶段通过执行推理图生成候选多跳问题,对比学习打分阶段通过一个基于对比学习思想的无参考问题的候选问题打分模型对候选问题进行打分排序,并选择最优的候选问题.该模型在一定程度上缩小了无监督方法与人工标注方法的差距,有效缓解了缺少多跳问答数据集的问题.在数据集HotpotQA上的实验结果表明,基于对比学习的多跳问题生成模型能有效扩充训练数据,极大减少了人工标注数据的成本.     

利用相似显著性序列特征预测白血病疾病基因

研究发现新的白血病致病基因对揭示白血病机理,寻求有效治疗方法有重要意义.选取了mRNA和protein序列的330个物化特征,发现某些特征在五类白血病(T-ALL、ALL、AML、APL和JML)的已知疾病基因中表现出相似的显著性差异.基于这个特点设计了一种新的白血病疾病基因预测方法.测试结果表明该方法能够有效地从众多候选基因中预测出真实的白血病基因,效果明显优于其他预测方法.     

AT—1840类似物与寡聚双螺旋核苷酸相互作…

研究了ＡＴ－１８４０类似物与寡聚核苷酸的相互作用与其药理 活性之间的关系。根据前期研究的结果选择了具Ｂ－ＤＮＡ结构的四聚核苷酸ｄ（ＣＣＧＧ）２作为药物作用的靶标。根据核苷酸与化合物相互作用的立体效应和电性特征，设计了２个新的化合物。     

禾谷炭疽菌候选效应分子评测研究

基于前人对禾谷炭疽菌中已报道的177个候选效应分子的氨基酸数据,结合其他已报道效应分子具有的5个典型特征,通过信号肽预测、跨膜区结构预测以及氨基酸基本特征、半胱氨酸含量等分析,明确82个候选效应分子具有效应分子的典型特征;同时,利用SMART在线分析工具,明确上述效应分子具有高度序列特异性特点.     

一种基于Interest-Model的用户推荐算法

目前的社交网络用户推荐算法针对性较弱,用户兴趣不明显.针对这些问题,设计一种基于兴趣的潜在用户推荐算法.抽取用户的Tag标签,计算标签间的语义相似度,通过用户与其关注者之间的关系和兴趣程度对关注者进行打分,根据打分结果进行潜在用户的推荐.实验结果表明,基于兴趣的用户推荐算法对潜在用户的预测和推荐准确度有所提高.     

粒子滤波在锂离子电池剩余寿命预测中的应用

为有效预测锂离子电池剩余寿命,引入了粒子滤波算法.对粒子滤波的基本概念和算法实现步骤进行介绍,在给出锂离子电池寿命统计数据的基础上,应用粒子滤波算法计算其剩余寿命,解决了锂离子电池剩余寿命预测的问题.对相同的锂离子电池统计数据,利用扩展卡尔曼滤波方法计算进行对比实验.分析结果表明:粒子滤波算法比扩展卡尔曼滤波算法可靠,能较好地预测出锂离子电池的剩余寿命,误差小于5％.     

基于BSA的MIB-OMP毫米波大规模MIMO混合预编码

为了实现通信系统的高链路质量和高数据速率,预编码技术在毫米波大规模MIMO系统中得到了广泛的应用。针对基于正交匹配追踪(OMP)的混合预编码存在需要已知候选矩阵和矩阵求逆的问题,提出了一种基于鸟群算法(BSA)的MIB-OMP混合预编码。该算法利用BSA的快速搜索全局最优值的特点直接搜索与残差的内积相乘最大的阵列响应矢量,从而无需已知候选矩阵,同时利用Banachiewicz-Schur分块矩阵广义逆将高维度矩阵转换为低维度矩阵计算,从而避免矩阵求逆。仿真结果表明,所提的算法在无需已知候选矩阵和矩阵求逆的条件下,系统的频谱效率和误码率与基于OMP的混合预编码相比性能略有提升。     

MiRfilter:一个预测病毒microRNA的计算工具

采用生物信息学方法开发了一个预测病毒miRNA的计算机程序MiRfilter,通过提取已知的病毒miRNA的生物学特征,规定参数及参数范围,并以此为筛选标准,预测潜在的病毒miRNA.用EBV和RLCV两种病毒的正负样本对MiRfilter的预测精度进行检测.MiRfilter从39个EBV已知的miRNA中正确识别了30个,从116个负数据中检测到9个假阳性数据;从20个RLCV的miRNA中正确识别了15个,从108个负数据中检测到2个假阳性数据.用取自果蝇和线虫预测区域的186个负数据检测MiRfilter的特异性,在186个负数据中没有预测出假阳性序列.     

基于流形正则化非负矩阵分解预测药物-靶蛋白作用关系

识别药物-靶蛋白作用关系是当前药物研究的重要内容,其可帮助识别已有药物的新功能,发现药物的"偏靶蛋白"等。现有预测算法对新药物的作用靶蛋白,及新靶蛋白的作用药物预测存在困难,由此提出一种新奇的基于流形正则化非负矩阵分解的新药物/新靶蛋白作用关系预测算法,该方法首先通过聚类算法构建新药物/新靶蛋白的初始作用标签,然后设计引入流形学习正则化约束的非负矩阵分解算法预测药物-靶蛋白作用关系,最后在四个经典数据集中测试,并与最新预测算法BLM-NII、RLS-WNN和WKNKN+WGRMF算法进行比较,证明本文算法可获取较高的预测精度。     

基于深度学习的白光-热成像双通道图像识别系统设计

为解决无人机图像自动识别系统对大视场角下小目标的识别准确率及实时性问题,利用深度学习卷积神经网络对热成像-白光联合图像进行目标识别。设计了一种针对具有温度特征的目标物识别系统以及双通道目标候选提名图像识别算法。充分利用热成像图中目标热源特征的HSV值,将目标物从热成像图中进行筛选、分割。通过Canny算子勾勒目标物轮廓,并标记出目标物大致区域,导入白光图像提取含有目标物的有效图像信息。利用YOLO V2算法对候选图像内目标物进行识别。通过实验表明,提出的双通道目标候选提名图像识别算法具有可行性与实用性,能够在大视场环境下对小目标进行精准快速识别,满足无人机机载系统简易、实时和准确性要求。     

基于高分辨率遥感影像的内河航标自动检测方法

提出了一种高分辨率遥感影像中的水运航标提取算法.首先应用单类支持向量机分类器实现水陆分割,确定水陆边界.然后将水域中的小目标作为候选目标,基于目标几何和灰度统计特性进行初步筛选,获得疑似航标目标.再利用影像中航标窗口间的相关性,提出一种基于相关系数编组的航标判定方法.最后提出一种基于在线学习原理的漏检航标检测算法,即首先依据已经检测得到的航标的空间分布对漏检航标的可能位置进行估计,再依据已检测到的航标的先验知识在估计位置进行精确检测.利用QuickBird影像进行的实验结果表明了该方法的有效性.     

人机交互中的人体目标跟踪算法

针对机器人在与人交互过程中对指定人体目标的跟踪容易受到周围其他人体干扰的问题,提出了一种人机交互中的人体目标跟踪算法.将所有干扰区域看作候选目标,通过建立基于重叠率的粒子分布模型,确保粒子集可以通过均值偏移收敛到所有的候选目标,并减少粒子数量.以权重距离总误差和目标尺寸作为聚类条件,将粒子划分到相应的候选目标粒子集中,最后选择最优的候选目标作为跟踪结果.实验结果表明:该算法能够避免周围相似物体的干扰并准确跟踪目标,具有较好的鲁棒性和实时性.     

改进ViBe算法与Meanshift结合的目标跟踪方法

为解决视频监控系统中因光照变化、相似颜色干扰及快速动目标而导致的目标易丢失问题,提出一种改进ViBe算法与Meanshift结合的目标跟踪方法。首先采用三帧差分和ViBe算法结合进行前景目标提取和检测,以消除鬼影的干扰,利用色度特征和梯度特征相结合的方法来抑制阴影;同时通过将边缘特征融入到Meanshift算法中,引入运动矢量在当前帧中预测下一帧运动目标的位置,实现场面监视环境中运动目标的持续、准确跟踪。通过在监控视频中行人、车辆及飞行器等不同场面目标做实验,验证了本文方法不仅能够持续、准确地跟踪运动目标,并且可适用于场面雾天低能见度条件下的运动目标跟踪。     

基于YOLO改进算法的远程塔台运动目标检测

远程塔台由于其低成本高时效远程实时控制技术正越来越受到民航业界的青睐,其中运动目标自动检测和显示是远程塔台的核心技术,作为增强现实技术更好地为管制员提供服务。本文在分析了远程塔台机场场面背景复杂、场面目标多为远场景、小目标等特点基础上,提出了一种改进的YOLO算法来实现远程塔台运动目标的检测,算法核心思想以Darknet-53为基础网络,多尺度预测边界框,以运动目标图像坐标（x,y）的偏移量作为边框长宽的线性变换来实现边框的回归,改善了传统YOLO算法损失函数不同大小的边框未做区分的问题,提高了检测准确性和速度。机场真实数据实验表明,该算法能快速、准确的检测出远程塔台的运动目标,并准确的回归运动目标边框及分类。     

事务约简和2项集支持度矩阵快速剪枝的Apriori改进算法

在Apriori算法的改进算法M-Apriori基础上,为了进一步减少不必要的数据库扫描,引入事务约简技术,提出一种改进的MR-Apriori算法.考虑到M-Apriori算法会产生大量候选项集,为了实现对候选项集快速剪枝,加入一个自定义的2项集支持度矩阵,提出第2种改进的MP-Apriori算法.将事务约简和2项集矩阵快速剪枝一起引入到 M-Apriori算法中,提出第3种改进的MRP-Apriori算法.最后,在mushroom数据集上进行实验.结果表明:加入事务约简的MR-Apriori算法和加入2项集矩阵快速剪枝的MP-Apriori算法,运行时间相比原M-Apriori算法都有较大缩减,而同时结合两种优化策略的MRP-Apriori算法运行时间最短,验证了这两种优化策略的有效性.     

改进局部二值模式算法与Camshift结合的目标跟踪方法

为解决视频实景监视系统中因场景光照、阴影及远距离小目标跟踪易丢失问题,提出一种改进局部二值模式(local binary patterns, LBP)算法与Camshift结合的目标跟踪方法。利用LBP算子纹理和颜色对阴影不敏感的特性,采用改进的LBP算子与高斯混合模型结合进行背景建模和目标检测,以抑制阴影的干扰;同时将LBP算子的纹理和颜色融入Camshift算法中,结合Kalman滤波进行目标运动状态的预测,最终实现对监视场景中运动目标的可靠、稳定跟踪。采集行人、车辆及航空器等不同类目标进行实验,验证了本文方法不仅能够稳定、精确地跟踪运动目标,同时可适用于场景雾天低能见度条件下的目标跟踪。     

基于“当前”统计模型的模糊自适应航迹预测算法

基本的"当前"统计模型由于其机动加速度极限值固定不变,只能描述机动加速度较大的机动目标。因而基本的"当前"统计模型及其自适应滤波算法(CSAF)对机动性较强目标的预测性能较好,而对机动性较弱目标的预测误差较大。针对这个问题,新算法中设计了一种新的模糊隶属度函数,利用机动目标的"当前"加速度来自适应地调整机动加速度极限值,使"当前"统计模型可以描述具有任意加速度的机动目标。最后,运用该算法和CSAF算法对机动目标进行了航迹预测仿真实验,仿真实验结果表明,无论对于机动性较强的目标还是机动性较弱的目标,新算法的预测性能均优于CSAF算法。