基于DNA序列混沌游戏表示的相似性分析

基于DNA序列的混沌游戏表示,利用对应测度矩阵的最大特征值组成的6维向量来刻画DNA序列,并利用向量间的相关距离对11种物种的beta球蛋白基因的第1个外显子编码序列进行相似性分析,所得结果与生物学中的进化关系基本一致.     

Riesz表示定理的推广形式

常见的Riesz表示定理的证明方法是通过在f的零空间的正交补中,构造满足表示定理公式的向量.这里给出著名的Riesz表示定理的一种推广形式,并尝试从不同的角度给出Riesz表示定理的不同证明方法.利用几何测度论的知识给出了一个直接的证明.     

一般协调近似表示空间的约简

从拓扑的包含关系这一全新的视角进一步认识协调近似表示空间的属性约简理论。在此基础上将协调近似表示空间中的等价关系放宽为一般关系,提出了一般协调近似表示空间的概念,并给出了一般协调近似表示空间关系约简理论,指出了可将其转换成一类覆盖族的约简且是协调覆盖决策系统属性约简的一般形式,最后用一个模型给出本文约简理论的应用实例。     

向量值测度的泛函表示

给定有限测度空间(Ω,A,μ),令MX(A)=span{∑ni=1=χAixi,Ai∈A,xi∈X,n∈N}L∞(μ,X).证明了(Ω,A)上的向量值有限可加测度m是可列可加的当且仅当其对应泛函U是w*-序列连续的,对应关系由U(x)=∫Ωdm(x∈MX(A))确定.并借助于向量值测度的Yosida-Hewitt分解定理,进一步证明了任一定义于MX(A)上的连续线性泛函均能唯一分解成w*序列连续泛函与纯连续泛函的l和.     

Hilbert值鞅测度的表示定理

研究Ｈｉｌｂｅｒｔ值鞅测度的表示定理，并在一定条件下，证明任一连续的Ｈｉｌｂｅｒｔ值正交鞅测度可以表示为Ｈｉｌｂｅｒｔ值Ｇａｕｓｓ鞅测度经时间变换后所得鞅测度的随机积分．     

模糊测度空间的正则扩张及其表示定理

本文研究文〔3〕中提出的模糊测度.首先引入了正则模糊可测空间的概念,并讨论了模糊可测空间的正则扩张及其表示问题;最后证明了模糊测度空间的正则扩张及表示定理.     

基于粗糙近似空间中的模糊信息表示

粗集理论与模糊集合理论都是研究信息系统中知识不完备、不准确问题，两者都可利用观测数据表达知识，进行推理。针对传统粗集环境下知识表示模型用固定的属性集来描述对象这一局限，提出利用模糊属性模型对知识表达系统进行信息描述，并给出了模糊属性模型下对象及其上下近似空间的模糊表示。     

连续函数空间C(Ω)上的算子和它的表示测度

讨论了连续函数空间Ｃ（Ω）上的Ｂａｒｔｌｅ积分算子与其表示测度之间的关系，证明了只要μ是非负Ｂｏｒｅｌ测度，包含映射Ｊ：Ｃ（Ω）→Ｌ１（μ）就是绝对可和算子，同时也是Ｐｉｅｔｓｃｈ积分算子，且‖Ｊ‖ａｓ＝‖Ｊ‖ｐｉｎｔ＝μ（Ω）。而μ的正则性保证了由Ｇ（Ｅ）＝ＸＥ定义的向量测度Ｇ是Ｊ的表示测度。     

关于C(Ω)上有界线性算子表示测度的注记

我们证明了紧Hausdorff空间Ω上的正则可数可加向量测度是C(Ω)上某一弱紧线性算子的表示测度,基于此和CΩ)上有界线性算子的理论讨论了Ω上可数可加向量测度和正则可数可加向量测度得到一些有趣的结果,特别地我们给出了RNP的一个新特征。     

改进的两阶段协作稀疏表示分类器

稀疏表示的分类器(Sparse Representation-based Classifier,SRC)利用全部的训练集进行训练来得到一个完备基,这使其时间复杂度增长,同时,稀疏表示算法过分强调稀疏项对于分类的作用而忽略了类别之间的协作稀疏表示对于分类的影响。针对这个问题,本文在徐勇等人提出的TPTSR(Two-Phase Test Sample Sparse Representation)算法的基础上提出了一种改进算法,即改进的两阶段协作稀疏表示分类器(Improved Two-Phase Collaborative Sparse Representation Classifier,ITPCSRC),该算法尝试通过寻找一个具有与测试样本关联性最大而且又满足SRC关于训练样本基本假设的完备基来对测试样本进行协作的稀疏表示。本方法在ORL人脸库、Yale人脸库和AR人脸库上进行实验,并与目前最新的基于稀疏表示改进的分类器算法相比,ITPCSRC算法识别率得到了显著提高。     

基于关系数据模型的知识表示与知识获取算法研究

基于关系数据模型,提出了知识表示的属性理论,并研究了属性理论中知识表示的基本方法;给出了一种基于属性理论的知识获取算法。经实际应用证明,该理论和方法具有实用参考价值。     

空间数据多尺度表达不确定性研究进展

阐述了多尺度空间数据不确定性的研究意义,分析了空间数据多尺度表达不确定性的来源、研究内容、关键技术,最后从空间数据多尺度表达不确定性的研究历程、相关问题、分类及其可视化4个方面综述了空间数据多尺度表达不确定性的研究动态.     

一种有效的基于4D图形表示法的DNA序列相似性比较方法

研究了一种有效地DNA序列相似性比较方法,在将每条DNA序列平均分成两个片段的基础上,采用4D图形表示法构建了每个片段的中心几何点重现模型,以此为基点,建立了DNA序列间的相似性与不相似性的欧氏距离比较法.最后,11个物种球蛋白基因的第一个外显子的DNA序列比较的结果验证表明:欧氏距离越小,其相似性越大,在进化上越趋于同源性;反之,欧氏距离越大,则物种差异性越大.实验结果表明,通过这样的方式可以有效避免信息的丢失,结果更具有统计显著性,并更有效地反映位置信息,可以对DNA序列的研究提供良好的支撑作用.     

基于Delaunay三角化的形状表示与相似性衡量

在计算机视觉中,形状的表示和相似性衡量是重要且复杂的问题,提出了一种改进的SUSAN(最小一致性区域)拐点检测算法并用于形状表示,同时基于Delaunay三角化给出了一个用于形状相似性衡量的有效算法。首先,对形状的拐点进行Delaunay三角形构造,然后从Delaunay三角网中获得Delaunay图矩阵,最后使用矩阵的谱对拐点进行匹配。在含有1 400幅图像的MPEG-7 CE-Shape-1数据库中的检索实验进一步验证了算法的有效性。     

应急系统中时态数据的本体表示研究

对时态数据库的存储模型进行了讨论,针对时态数据库的二元时间结构较难用本体表示的问题,运用嵌套关系模型,提出了时态数据的表示方法,并用本体语言进行实现。     

空间数据多尺度表达的不确定性可视化模型

以视觉与认知理论为基础,研究了空间数据多尺度表达中不确定性的可视化方法,主要包括:设计不确定性的分级表达模型,提出色彩与不确定性的映射关系,构建了空间数据多尺度表达的不确定性可视化视觉变量系统,提出了采用动态符号或动态视觉变量来表示空间数据多尺度表达过程中的不确定性的方法.结果表明,该方法能清晰、直观、有效地表达空间数据多尺度表达中的不确定性,有助于理解不确定性的变化与传播规律.