原核基因识别中的一种负样本生成算法

在基因识别的两类算法中,判别算法通常需要正负两类样本来训练参数.在原核生物的基因组中,由于可充当负样本的基因间序列太少,如何产生负样本便成为原核基因识别中的一个问题.本文提供了一种基于"自相似映射"的负样本生成算法,与通常使用的随机生成算法不同,该算法不需要生成随机数.本文给出了两种负样本生成算法的比较,并初步讨论了自相似性对于DNA序列分析的意义.     

微阵列癌症数据误标记样本和异常样本识别的广义CL-stability算法

针对微阵列癌症数据的特点, 提出一种能识别数据集中误标记样本和异常样本的广义CL stability算法. 该算法以CL-stability为基本算子, 通过样本的全局稳定性识别误标记样本或异常样本. 实验结果表明, 广义CL-stability算法对于识别微阵列癌症数据中的误标记样本优于已有算法, 并能给出区分误标记样本和异常样 本的信息.     

一种基于高斯模型的人脸检测方法

提出了一种在复杂的灰度图像上使用高斯模型检测人脸的方法．该方法首先使用自组织映射网络为每个训练样本确立类别标签,然后用改进的Ksher线性判别模型对所有样本进行投影以尽可能拉大各类之间的距离,最后使用高斯分布对每类样本进行建模．高斯分布的参数使用极大似然估计法求得．实验显示,该方法的检测正确率令人满意。     

一种实用快速非负矩阵分解算法

提出了一种基于快速非负矩阵分解算法的实用新算法.该实用快速非负矩阵分解算法扩展了快速非负矩阵分解算法的约束条件,并且保持了较高的收敛速度,更具一般性和实用性.然后对该新算法进行了一些稀疏非负矩阵分解的扩展应用.数值实验显示该实用快速非负矩阵分解算法和快速非负矩阵分解算法具有相近的收敛速度,与其他经典非负矩阵分解算法相比其收敛速度有明显的提高,同时对添加稀疏性约束条件的实验也有很好的效果.     

基于样本优化的神经网络方法在储层裂缝识别中的应用

常规测井资料解释应用于非常规储层裂缝识别时,存在裂缝识别率低,储层评价不准确等问题;而成像测井方法(FMI)识别效果好,但成本过高。为了提高常规测井裂缝识别的准确率,首先采用BP(back propagation)神经网络方法,建立常规测井参数与裂缝发育程度之间的非线性关系。在神经网络样本选取上,引入K-means聚类算法,依据不同样本特征对其进行优化分类。最后,利用聚类结果分别建立更为精细的神经网络模型,并用于实际裂缝预测。将该方法应用于塔河油田碳酸盐岩储层A探井,识别结果表明:基于样本优化方法的裂缝密度曲线拟合效果(相关系数R分别为0.84、0.89、0.76)明显优于未考虑样本优化方法(R为0.58),验证了本文方法的优越性,可以将其作为一种识别储层裂缝发育程度的新方法。     

一种快速的语音识别词图生成算法

词图的高效生成算法是语音识别领域的重要研究课题。该文提出了一种基于词格的词图生成算法(trellis-based lattice-generating algorithm,TBLG),该算法在正向Viterbi解码生成的词格(trellis)基础上,进行反向A*解码生成词图。实验结果表明,与经典的解码器HDecode相比,TBLG生成的词图最优备选效果优于Hdecode。生成高密度词图时,TBLG在解码速度上远远快于HDecode。同时在相同识别率下,TBLG算法生成的词图更加简洁。     

一种时间规整算法在神经网络语音识别中的应用

提出一种新的网络结构,这种网络能够很好地解决神经网络语音识别中的时间规整问题。该网络从输入语音信号的特征矢量序列中提取一组固定数目的特征矢量,然后将这组特征矢量馈入神经网络分类器进行识别。和其他的神经网络语音识别方法相比较,用这种网络进行前端处理,可以缩短后端神经网络分类器的训练和识别时间,简化分类器的网络结构并保持较高的识别率。     

一种自相似业务量预测的卡尔曼滤波算法

针对网络拥塞控制中不能准确预测自相似业务量的问题,提出了一种噪声在线估计卡尔曼滤波(NOEKF)算法.NOEKF算法不依赖于业务源反馈信息,通过观测节点处当前和过去时刻的业务量来预测下一时刻的业务量,并建立了业务量的卡尔曼滤波状态方程和观测方程,给出了递推形式的状态向量最佳估计形式.考虑到未知状态方程和观测方程噪声的统计特性,采用在线估值法,并引入遗忘因子对噪声的统计特性进行估计.NOEKF算法预测准确、偏差小.仿真结果表明,与经典卡尔曼滤波算法和时间序列预测方法比较,NOEKF算法能够更精确地预测自相似业务量,预测误差可降低60%以上.     

基因识别问题及其算法实现（下）

利用序列的频谱曲线和信噪比曲线,建立基因识别的简化算法.提出可变窗宽的DFT算法,代数推导出Voss映射和Z-curve映射下频谱和信噪比的函数关系.运用Bootstrap算法,在精度指标下比较四组具有代表性的基因序列的阈值.     

一种新的自组织神经网络算法

为有效提高矢量量化码书的性能和学习效率,需进一步改进自组织神经网络的学习算法.在分析Kohonen自组织特征映射算法(SOM)的基础上,提出了一种基于频率敏感的自组织特征映射算法(FSOM),并应用到图像矢量量化中,实验表明,FSOM算法具有聚类特性好和训练速度快等优点,是一种有效的码书设计算法.     

基因识别问题及其算法实现(下)

利用序列的频谱曲线和信噪比曲线,建立基因识别的简化算法.提出可变窗宽的DFT算法,代数推导出Voss映射和Z-curve映射下频谱和信噪比的函数关系.运用Bootstrap算法,在精度指标下比较四组具有代表性的基因序列的阈值.     

基因识别问题及其算法实现(上)

基因识别是目前生物信息学领域的一个研究热点,采用信号处理方法来识别基因编码序列也受到广泛重视.本文基于DNA序列的3-周期性,利用序列的频谱曲线和信噪比曲线,建立基因识别的简化算法.基于Voss映射,本文提出可变窗宽的DFT算法,代数推导出Voss映射和Z-curve映射下频谱和信噪比的函数关系.关于各类基因的阈值确定,本文运用统计学中的Bootstrap算法,取信噪比序列迭代所得均值的中位数,作为新的阈值,在精度指标下比较四组具有代表性的基因序列的阈值.进一步,运用本文提出算法对待测序列进行数据模型,确定编码区域.     

二阶隐马尔科夫模型在基因识别中的应用

对经典隐马尔可夫模型( HMM) 的状态转移和输出观测值的假设条件进行改进,提出了一个基于二阶隐马尔科夫模型(second-order HMM: HMM2)的基因识别系统的模型, 论述了用该模型和扩展的Viterbi 算法发现基因的方法.     

一种基于样本加权的位置文本排序算法

为有效解决元搜索引擎结果排序的问题,提出了一种基于样本加权的位置文本排序算法。分析了现有基础算法,并在充分考虑结构信息的基础上将记录的PageRank值转化为权值。结合文本信息及其在结果列表中的位置信息实现局部相似度的调整,对排序位置的相关分值进行了规范化处理。对摘要排序算法进行了改进,提出了查询词条匹配度和词条间关联度的概念。最后将各相关分值进行合并得到搜索结果的最终相关度。实验结果表明该方法的可行性和有效性。     

基于ICA算法的卫星TT&C信号的一种新的盲识别算法

在现代通信对抗中,由于电磁环境特别复杂及信号调制方式的多样性,要知道所发射信号的先验知识几乎不可能,这给通信对抗带来极大的困难.为了解决在复杂多信号情况下的这个难题,提出了一种新的盲识别技术,该技术使用独立分量分析(ICA)算法来盲识别原始信号且对所得的结果进行下一步的分别处理.首先介绍了ICA的基本原理:它使用差分负平均信息量的最大化逼近.基于此,ICA的一个目标函数和一种快速的ICA算法在本文中被提出.在深入分析该快速ICA算法的基础上,将其应用于卫星TT&C信号的盲识别上.仿真结果表明:在没有任何先验知识(例如:载波频率,信号带宽和调制方式)的情况下,原始的信号可以被很好地分离出来.这为下面步骤的信号处理建立了一定的基础,比如信号分析和识别,解调信号及证明其收敛和鲁棒性等.     

基于ICA算法的卫星TT&C信号的一种新的盲识别算法

在通信对抗中,由于电磁环境的复杂度及信号调制方式的多样性,使得很难得到原始信号的先验信息,这给通信对抗带来极大的困难。为了解决在通信对抗中的这个难题,我们提出了一种新的盲识别技术。该技术使用独立信号分析（ICA）去盲分离原始的信号,而且随后对每个得到的信号进行分别处理。文中首先介绍了ICA的基本原理。使用差分最大负平均信息量的方法,一个为ICA的目标函数和一个快速ICA算法在文中被提出。在深入分析此快速算法的基础上,本文阐述了一种新的算法并将其应用在卫星TT&C信号的识别中。仿真结果表明：该方法可以不需要原始信号的先验信息的情况下正确的识别出原信号（例如,载波频率,信号带宽和调制方式等）,这为后续的信号分析奠定了基础,比如信号的分析和识别,解调及证明其良好的收敛性和鲁棒性等等。     

一种基于Camshift的快速目标识别算法

提出一种基于Camshift的快速目标识别算法,该算法先利用Camshift进行疑似目标区域搜索,再将该区域中物体与目标进行局部尺度不变特征匹配。实验结果表明,改进后的算法能够在复杂背景条件下快速准确地定位出目标在视频中出现的位置,满足视频取证的要求。     

HMM语音识别模型与一种修正训练算法

本文在统一的框架下描述了隐马尔柯夫模型（ＨＭＭ）用于语音识别时的各种形式，包括离散ＨＭＭ、连续混合密度ＨＭＭ、半连续ＨＭＭ和最大分量连续ＨＭＭ等，指出各种模型均是统一形式下的导出形式。文中就离散ＨＭＭ、连续混合密度ＨＭＭ和最大分量连续ＨＭＭ在非特定人全音节汉语语音识别中的应用，从识别率和复杂度两方面进行了性能比较。为提高最大分量连续ＨＭＭ的识别性能；提出了一种修正的训练算法。     

一种基于边界识别的聚类算法

针对基于密度的聚类算法由高密度区到低密度区的处理顺序所带来的不能识别低密度对象类别的缺陷,通过对聚类过程中可能存在的边界识别进行讨论,提出了一种基于边界识别的聚类算法.该算法的思想是：同簇优先权高于密度优先权,即在选择下一个对象进行聚类时,在已聚类的对象中优先选择同一簇的对象,当对象沿某一方向扩展到达簇边界时停止扩展,转而向其他方向扩展,这种处理顺序能使得类别最大化.通过分析簇边界的密度变化特征,建立了边界识别准则,并根据该准则对数据进行聚类.通过在合成数据和美国加州大学提供的知识挖掘数据库数据集上的实验结果表明,所提算法能有效地处理低密度区域的数据,与识别聚类结构的对象排序算法相比,聚类效果可提高4%左右,而时间性能相当.     

一种基于Boosting的油田水淹层识别算法

油田水淹级别的判定对于寻找剩余油、提高油田开发水平和稳油控水效果至关重要.本文提出了一种基于Boosting的C4.5决策树算法用于油田水淹层识别.实验结果表明,相比单一的C4.5决策树,经Boosting算法提升后的集成C4.5分类器具有较高的识别率和泛化能力,具有较高的应用推广价值.