基于贝叶斯网络的室内无线信号强度学习算法

考虑到接收信号强度（RSS）算法的定位结果有着其不确定性,提出了一种新的生成场强分布图的自动学习算法.在此算法中,在初始简易场强分布图的基础上,首先启动一个带有默认参数值的线性模型,然后自动学习各类在线RSS数据;在学习的过程中,基于现有的支持RSS测量的WLAN、Zigbee、UMB等无线网络,扩展了标准的最大期望（EM）算法,推算出场强分布图的一种最大似然（ML）估计算法并运用到自动学习中,就可以生成一较精确的场强分布图.模拟表明,无需任何校准数据,该方法可以提供较高的精度.     

一种新的蛋白质亚细胞定位预测训练集构造方法

设计了一种新的蛋白质亚细胞定位预测训练集构造方法.该方法针对传统预测方法缺乏足够的实验标记数据的问题,基于主动学习策略从非实验标记蛋白质数据中主动选择有效数据,并与原有的实验标记数据共同训练预测模型,以提高基准分类器的预测精度.结合支持向量机分类器,该方法在病毒蛋白质独立测试集上进行了预测实验,测试结果表明,该方法能够有效地提高基准分类器的预测能力,性能优于现有的病毒蛋白质预测系统.     

估计随机变量母体均值的加权数据融合方法

提出了一种把多源信息综合处理的数据融合方法。该方法依据极大似然原理将来自不同母体(均值相同、方差不同)的随机样本有效融合，得到新的母体均值估计量。该估计量具有无偏性，并且比其它传统估计量更加有效。理论和实践证明，用该方法处理数据可提高检测精度。     

A new statistical method for mapping QTLs underlying endosperm traits

Genetic expression for an endosperm trait in seeds of cereal crops may be controlled simultaneously by the triploid endosperm genotypes and the diploid maternal genotypes. However, current statistical methods for mapping quantitative trait loci （QTLs） underlying endosperm traits have not been effective in dealing with the putative maternal genetic effects. Combining the quantitative genetic model for diploid maternal traits with triploid endosperm traits, here we propose a new statistical method for mapping QTLs controlling endosperm traits with maternal genetic effects. This method applies the data set of both DNA molecular marker genotypes of each plant in segregation population and the quantitative observations of single endosperms in each plant to map QTL. The maximum likelihood method implemented via the expectation-maximization algorithm was used to the estimate parameters of a putative QTL. Since this method involves the maternal effect that may contribute to endosperm traits, it might be more congruent with the genetics of endosperm traits and more helpful to increasing the precision of QTL mapping. The simulation results show the proposed method provides accurate estimates of the QTL effects and locations with high statistical power.     

一种新的基于多示例学习的场景分类方法

多示例学习是近年来才出现的一种新的学习框架,并以其对多义性对象的出色表示能力而被成功地运用在图像分类任务中。首先提出了一种新的图像多示例包生成方式,采用特征的概率分布表示图像,并对图像像素分布提取一个高斯混合模型,将每个高斯分布作为一个示例,生成图像的多示例包。然后,在对图像进行分类时,采用了信息瓶颈聚类把多示例包转化成单示例,从而将传统的单示例分类器用在该问题上。为了提高分类器的泛化能力,对多个分类器进行了集成。选取了5类自然场景图像进行试验,结果显示所提出的方法平均性能优于当前常用的一些多示例学习算法。     

Isolation and cloning of a novel cDNA LDBl encoding human LIM domain binding protein

Primers for screening cDNA library have been designed according to EST AA453734 which is corresponding to the mouse LIM domain binding protein Ldb1. Arrayed human fetal brain cDNA library has been screened by PCR and routine hybridization method. A 2398 bp-cD-NA clone has been obtained. The cDNA encodes a 347 amino acids protein highly homologous to the mouse Ldb1, Xenopus Xldb1 and Drosophila Chip. It also contains an LIM binding domain and a nuclear localization signal. It has been named LDB1 (LIM domain binding protein 1), GenBank accession number is AF052389. Northern blot showed a 2.4 kb band, and the expression amounts of LDB1 in heart, brain and lung were considerably higher than those in other tissues.     

高压断路器寿命可靠性判断法

针对在非完全寿命试验条件下判别高压断路器可靠性的方法,为进一步开展相关研究提供理论依据、促进高压电器行业的发展。结合高压断路器寿命分布实例,提出了建立高压断路器寿命可靠性判别模型的基本方法,并应用极大似然函数的数学方法对其进行分析和判别。通过对断路器寿命的均值和方差进行估计,判断出高压断路器首次故障时间。所建立的可靠性判别模型、判定方法及计算结果,对研究和评价高压断路器寿命可靠性等技术参数具有一定的理论价值和实际指导意义。     

函数值域最值求法

对函数值域最值的求法进行了探讨.     

关于一维模糊随机变量的极大似然估计方法

研究一维模糊随机变量情形总体未知参数的极大似然估计的两种方法——扩张原理法与随机集的可积选择法．在模糊观测条件下,定义了Kwakernaak-Knrse-Meyer型模糊随机变量情形的模糊参数的极大似然估计量及Puff-Ralescu型变量情形的模糊参数的边缘极大似然估计量．得到了它们的存在条件,一致性条件及其相关性质．     

模式识别方法预测蛋白质二级结构的研究

提出一种预测蛋白质二级结构的模式识别方法。该法首先对大量已知结构的蛋白质实验数据进行分析，找出鉴别蛋白质不同结构成分的有效信息，即设计分类器，然后实现对未知蛋白质二级结构的预测。用此方法对６４０个实验样本进行了研究，得到较高的预测精度，表明方法是有效的。还对实验结果进行了分析；讨论了有限样本对分类器性能的影响。     

基于Bootstrap的小样本可靠性评估方法

针对小样本情况下,采用极大似然估计Mle法求解分布参数会产生较大误差的问题,基于Bootstrap数据扩充的思想提出了B-mle法,减小了参数估计的误差.首先,利用Bootstrap法对小样本数据重抽样产生多组再生样本,达到扩充数据样本的目的;其次,对再生样本采用极大似然估计求解分布参数,得到多组参数的极大似然估计值,...     

基于F-范数的变换域通信系统同步参数估计算法

在异步条件下应用特征值分解算法估计变换域通信系统基函数时,分段得到的特征向量存在模糊现象,此时将造成系统接收性能的下降。为了解决此问题,提出了基函数周期序列的同步算法。详细分析估计基函数的特征值分解算法,推导接收数据的采样延时与其自协方差矩阵特征值的关系式,得到同步参数的最大似然估计方法,依据范数的等价性原理,进一步将最大似然估计中的最大特征值求解问题转化为F-范数的求解以降低算法复杂度。仿真结果表明:相比最大特征值算法,采用F-范数的估计算法性能一致,但计算时间明显减少,算法的估计精度与接收信噪比成正比。异步条件下当估计的基函数存在模糊时,系统接收性能在同步之后能得到较好的改善。     

基于F-范数的变换域通信系统同步参数估计算法

在异步条件下应用特征值分解算法估计变换域通信系统基函数时,分段得到的特征向量存在模糊现象,此时将造成系统接收性能的下降。为了解决此问题,提出了基函数周期序列的同步算法。详细分析估计基函数的特征值分解算法,推导接收数据的采样延时与其自协方差矩阵特征值的关系式,得到同步参数的最大似然估计方法,依据范数的等价性原理,进一步将最大似然估计中的最大特征值求解问题转化为F-范数的求解以降低算法复杂度。仿真结果表明:相比最大特征值算法,采用F-范数的估计算法性能一致,但计算时间明显减少,算法的估计精度与接收信噪比成正比。异步条件下当估计的基函数存在模糊时,系统接收性能在同步之后能得到较好的改善。     

三个Gamma分布尺度参数的线性函数在无约束和树序约束下估计量的比较

讨论了三个Gamma分布总体的尺度参数的线性函数在树序约束下的估计问题.在均方误差标准下,给出了尺度参数的线性函数在树序约束下的极大似然估计(MLE)控制无约束条件下的无偏估计(UE)的充分条件.     

苏里格气田“单点法”产能测试条件研究

结合苏里格气田的实际,对“单点法”产能试井方法的理论基础进行了分析,建立了适合于苏里格气田产能评价的“单点法”数学模型,研究了苏里格气田“单点法”试井测试的基本条件.结果表明,“单点法”产能试井方法是苏里格气田产能分析的一种十分有效的方法,但使用该方法时,需要满足一定的测试条件.苏里格气田气井至少需要无阻生产200h,并且井底压比小于80%时用“单点法”计算的无阻流量才能可靠地反映地层的实际情况.     

非单调规划的一种新的单调化方法

对约束函数单调而目标函数非单调的规划问题，给出了目标函数的1种新的单调化变换公式．先引入极大熵函数，将多个约束的非线性规划问题，转化为只含1个约束的规划问题，再将转化后的只有1个约束的规划问题转化为1个等价的单调规划问题．     

计算不变密度的一种二次样条最大熵方法

用二次样条函数来数值逼近对应于非奇异变换的Frobenius-Perron算子的不变密度.所提出的方法消除了使用多项式函数的最大熵方法中出现的坏条件性.只要不变密度有足够的光滑度,由于算法的高阶收敛速率,随着矩量函数个数的增加,数值计算的精度会迅速增加.给出的数值例子验证了算法收敛速度的理论分析.