基于相对熵的蛋白质折叠研究方法的改进

在本课题组以前的工作中,通过优化相对熵函数来预测蛋白质主链的三维结构取得了较好的结果．但是在该方法中接触势的系综平均值采用了一个估计值,为了使基于相对熵的蛋白质结构预测方法在理论上更加完善,该文基于统计热力学微扰理论,提出了一种新的接触势系综平均值的计算方法．选取12个蛋白质对该方法进行了测试,预测结构相对于天然结构的均方根偏差（RMSD）在0．40～0．60rim之间．与接触势的系综平均值采用估计值的方法相比,平均预测精度提高了0．04nm．     

基于Tsallis相对算子熵的不等式

目的 为了研究信息熵之间的关系.方法 利用一个函数的数学性质和矩阵Tensor积的性质.研究了关于Tsallis相对算子熵的性质和不等式的问题.结果 得到了Tsallis相对算子熵的上界和下界,同时讨论了Tsallis相对熵关于n个算子Tensor积的次可加性.结论 所得结果是Tsallis熵的次可加性的推广.     

基于相对熵的营销机会模糊评价

针对传统营销机会识别方法中存在的问题,综合运用模糊数学方法和熵的基本原理,采用三角模糊数建立判断矩阵,再根据水平截集和乐观指标,进行模糊区间运算得出相对熵,并依据评价结果的大小对营销机会进行识别.实例计算表明,该方法不仅克服了AHP法的缺点,而且提高了营销机会识别的准确程度.     

基于相对熵的营销机会模糊评价

针对传统营销机会识别方法中存在的问题，综合运用模糊数学方法和熵的基本原理，采用三角模糊数建立判断矩阵，再根据水平截集和乐观指标，进行模糊区间运算得出相对熵，并依据评价结果的大小对营销机会进行识别。实例计算表明，该方法不仅克服了AHP法的缺点，而且提高了营销机会识别的准确程度。     

基于相对熵的不确定性群决策集成方法

针对带有区间数的不确定性群决策问题做了研究.首先在区间数比较可能度概念的基础上,获得各个决策者对方案集不确定性评价的可能度矩阵,并将其转化为方案集的排序向量;然后从相对熵的概念出发,提出了一种相对熵的不确定性群决策最优化集成模型,讨论了模型的求解;最后实例分析表明文中所提方法的可行性和有效性.     

基于最大熵原理的相对斜率关联模型

通过对现有灰关联度模型的研究,依据数据序列时点间相对斜率差来计算关联系数,并基于离差最大化和最大熵原理,计算了各指标关联系数的权重,建立了改进的灰关联度模型;实例验证,方法所得分析结果与定性分析相一致,分辨效果更好,具有较高的可靠性和应用性.     

模糊相对熵及在模式识别中的应用

目的研究模糊相对熵在模式识别中的应用。方法利用模糊相对熵的一个修正公式——加权模糊相对熵研究模糊相对熵在模糊模式识别中的应用。结果数值例子说明模糊相对熵方法和最大最小贴近度方法得出了一致的模糊识别的结果。结论模糊相对熵方法用于模式识别是很有实际意义的。     

基于相对熵原理构建生物进化系统树

根据相对熵原理定义了物种进化距离,把它应用到基于DNA序列分析的生物进化系统树构建的研究中.首先选用64种脊椎动物的线粒体DNA序列为材料,得到与传统的根据物种形态构建的系统树基本一致的树形;进而进行全基因组序列层次的物种进化的研究,选取长度约为线粒体DNA序列102倍的12种古生菌、真细菌全序列,最终也得到了合理的系统树.     

广义误差分布熵系数与最小相对熵的研究

为直观描述分布尾部特征及两分布之间的差异程度,基于Kulllback-Leibler距离研究广义误差分布熵系数的变动情况,从另一角度说明正态分布满足最大熵原理,尾部特征极不明显,且推导出两个广义误差分布之间的最小相对熵及性质,克服了相对熵的非对称性质,并且确定了不同参数的变动范围对应的最小相对熵形式。     

基于综合相对交叉熵的多属性群决策方法

针对以区间二型模糊数为信息环境的多属性群决策问题,提出了一种基于全概率的综合相对交叉熵的决策方法;首先,给出区间二型模糊集的定义,熵及算术平均排序值公式;其次,基于区间二型模糊集的模糊性、犹豫性和区间性,定义了一种新的测量区间二型模糊集的相对交叉熵和综合相对交叉熵的方法,通过构造最优化线性模型求解出了属性权重并对每一方案的属性值进行集结得出最优方案;最后,通过实例分析验证了所提方法的可行性和有效性。     

群决策中基于不同偏好信息的相对熵集成方法

研究了基于不同形式偏好信息的群决策问题.在群决策中专家根据个人的偏好,常常对决策方案集给出4种不同形式的偏好信息,包括直接反映决策方案优劣次序的序关系值和效用值,以及2个决策方案成对比较互反判断矩阵和模糊互补判断矩阵.首先给出了序关系值、互反判断矩阵和模糊互补判断矩阵3种偏好信息均转化为效用值形式的计算公式, 然后从相对熵的概念出发,提出了一种相对熵最优化的集成模型,给出了模型的解.最后进行了2个实例分析,结果表明所提出集成方法是有效的.     

基于相对熵度量的行为识别方法

行为识别技术是一种可用于智能视频监控的生物识别技术。本文提出一种基于信息论中相对熵概念的行为识别算法。训练过程使用Parzen方法估计概率分布函数,测试过程则将图像序列投影到低维特征空间,使用相对熵作为判断两种不同行为的相似度函数,在Weizmann数据库上测试的结果验证了算法的有效性。     

基于相对熵排序的舰船总体方案评价方法

针对舰船概念设计阶段的总体方案评估论证问题,提出了一种基于相对熵排序的舰船方案评价方法.首先提出了可全面反映舰船综合能力的经简化后的舰船方案评价的指标体系,然后考虑群决策中的专家意见集成问题.采用基于粒子群优化群体判断矩阵的Hadamard凸组合来集结专家意见得出底层评价指标权重,再引入基于相对熵的多属性排序方法对各舰船总体方案进行综合评价.形成了可支持多专家群决策,能有效反映各方案本质差异的舰船方案评价模型.应用实例对比分析表明,该方法可为舰船研制方案总体评价提供一种可行、有效的新途径,并可直接用于舰船设计方案的权衡、优化工作等方面.     

基于距离最大熵值的蛋白质结构域边界检测系统

首次将蛋白质结构域边界检测问题归结为非平衡数据学习问题, 提出一种新的欠采样方法, 即在支持向量机特征空间中对与正类样本具有距离最大熵值的负类样本进行采样. 以经过筛选的蛋白质结构域数据库作为实验数据, 支持向量机学习系统的平均预测准确率可达80%, 同时具有较高的敏感性和特异性.     

基于相对熵的区间型直觉模糊集多属性决策方法

针对属性权重完全未知且属性值为区间的直觉模糊集的多属性决策问题进行了研究,定义了区间型直觉模糊数相对熵和含参数新的得分函数,然后由TOPSIS方法得到权重,最后通过实例分析验证了所提出方法的有效性和可行性.     

基于IOWC-GOWA算子及相对熵的区间型组合预测模型

针对用区间型数据描述不确定现象的组合预测问题,为了提高区间型数据的预测精度,首先采用诱导有序加权连续区间的广义有序加权平均(IOWC-GOWA)算子将区间数集结为实数;然后对集结后的实数进行标准化处理;最后从信息论的角度引入相对熵作为最优准则,提出了基于IOWC-GOWA算子及相对熵的区间型组合预测模型;另外,通过实例分析了该组合预测模型的合理性和有效性;结果表明:该组合预测模型可以有效地提高区间型数据的预测精度,即该模型是合理有效的,并且,参数λ和BUM函数的选取会对模型的预测精度产生一定的影响。     

基于相对关联距离熵的水文变异点识别

 从重构的径流时间序列相空间轨迹中提取反应水文系统状态变化信息的参数——相对关联距离熵,根据相对关联距离熵的变化来辨识水文系统状态的跳跃,识别出水文变异点。将该方法应用于东江流域的博罗站50 a实测逐月径流序列中,较准确的识别变异发生的时间,检验性能优于传统方法,特别适用于具有多变点的时间序列。通过变异分析表明,东江流域博罗站在1972年发生水文变异,其径流在主要受降雨影响的同时,愈来愈受到水利工程的影响。     

基于图神经网络的固定骨架蛋白质设计方法研究

针对图神经网络(GNN)ProteinSolver结构特征约束不充分的问题,增加了骨架二面角、配对氨基酸的相对位置编码和相对方向等结构约束,提出了一种基于GNN的固定骨架蛋白质设计方法。实现了基于Transformer多头注意力机制的GNN架构,将物理坐标添加到消息传递和更新步骤中,提高了原子坐标的等变特性。在CATH数据集上的训练和测试结果显示：该文模型平均困惑度为8.12,比ProteinSolver的平均困惑度8.97降低了0.85;在掩盖率为50%时,ProteinSolver的恢复率为28.7%;然后,增加更多的结构约束,恢复率达到了30.3%;随后,将ProteinSolver的GNN替换成基于Transformer的GNN,恢复率达到了34.3%;最后,通过再引入等变特性,恢复率进一步提高到35.0%。     

一种基于条件相对平均熵的个性化推荐算法

为了提高现有推荐算法的准确性,提出一种基于条件相对平均熵的个性化推荐算法.首先,采用加权的CNM算法构建复杂网络,挖掘该网络的社团结构,作为商品待推荐域;其次,利用条件互信息和条件相对平均熵生成有效的节点次序,以提升贝叶斯网络构建的准确性;然后采用K2算法学习贝叶斯网络,分析出用户的消费性格,并判断待推荐域中商品与消费性格的联系,向用户提供感兴趣和合理的推荐;最后,基于电信运营商的实际数据进行实证分析,验证了该算法的有效性.     

考虑相对流量影响的交通流合作驾驶格子模型

基于交通流合作驾驶格子模型,考虑相对流量的影响,提出了改进的交通流合作驾驶格子模型.稳定性分析表明改进模型的稳定区域明显扩大.通过非线性分析获得了mKdv方程.数值模拟进一步说明,改进模型通过考虑相对流量对交通流的影响,增强了交通流的稳定性.