多隐层输出矩阵极限学习机

得益于隐层节点学习参数的随机选择,极限学习机（extreme learning machine, ELM）在学习速度极快的基础上,可以达到较为良好的分类性能。但是,当隐层节点参数完全随机选择时,ELM的性能并不总能达到最优。本文提出多隐层输出矩阵极限学习机（multiple hidden layer output matrices extreme learning machine, M-ELM）方法解决这一问题,该方法通过对不同输出矩阵加权运算以优化隐层节点结构,其中权系数与输出权值在学习过程中同时分析确定。另外,利用该方法可以实现特征级融合ELM。实验证明,对于真实分类问题,M-ELM可以提供比ELM更为准确的分类结果。     

利用组合脉冲解决超宽带雷达中探测盲区问题

为了解决脉冲压缩技术运用于超宽带（ultra-wideband,UWB）雷达系统中在增加其最远探测距离的同时也增加了探测盲区这一问题,提出一种利用长短脉冲相组合的伪随机（pseudo random noise, PRN）码调制的二相编码UWB信号作为雷达信号发射源,在满足短脉冲的最大探测距离大于长脉冲的最小探测盲区的条件下,解决UWB脉冲压缩雷达系统探测盲区的问题。Matlab仿真结果表明了理论分析的正确性及所提出的方法可以很大程度减小雷达探测盲区,说明所提出方法的可行性与优越性。     

求解0-1背包问题的二进制狼群算法

狼群算法(wolf pack algorithm, WPA)源于狼群在捕食及其猎物分配中所体现的群体智能,已被成功应用于复杂函数求解。在此基础上,通过定义运动算子,对人工狼位置、步长和智能行为重新进行二进制编码设计,提出了一种解决离散空间组合优化问题的二进制狼群算法（binary wolf pack algorithm, BWPA）。该算法保留了狼群算法基于职责分工的协作式搜索特性,选取离散空间的经典问题--0-1背包问题进行仿真实验,具体通过10组经典的背包问题算例和BWPA算法与经典的二进制粒子群算法、贪婪遗传算法、量子遗传算法在求解3组高维背包问题时的对比计算,例证了算法具有相对更好的稳定性和全局寻优能力。     

关系强度感知的能量有效性无线DTN路由机制

节点的社会性与能量有限性严重影响延迟容忍网络（delay tolerant network, DTN）性能。提出了关系强度感知的DTN能量有效性路由机制,利用消息平均转发时间衡量节点间的关系紧密程度,并根据邻居节点的能量状态和相遇概率优化转发决策,同时采用社会属性关联的消息优先级机制提高缓存利用率。结果表明,所提出的路由机制显著地延长了网络存活时间,改善了消息投递率和网络开销性能。     

压缩感知视角的鲁棒波达角估计算法

从压缩感知的视角对鲁棒波达角估计进行了探索,通过将可能存在的波达角进行空间离散化,从而将波达角估计问题转换为压缩感知信号支撑恢复问题。同时将阵元存在的增益失配、相位失配和阵元间互耦等非理想因素,通过一阶近似,将其建模成均值为理想流形矩阵的随机矩阵,从而建模了阵列非理想特性和波达角空间离散化带来的误差。基于这种新的随机测量矩阵模型,提出了一种基于压缩感知的鲁棒波达角估计算法,分析表明本文提出算法对阵列模型扰动和角度空间离散化具有良好的鲁棒性。仿真验证了分析结果。     

面向大社交数据的深度分析与挖掘

社交网络在线化是大数据时代的典型特点,也是大数据产生的重要原因之一.本文从大数据的特点着手,结合互联网络尤其是在线社交网络的发展趋势,介绍大数据在提升国家信息产业科学化水平、引领新型互联网经济发展、推动社会学与信息科学交叉发展等方面带来的重大机遇;分析在线社会网络中存在的关键问题,阐述网络大数据研究在语义理解与分析、多模态关联与融合、群体行为分析与挖掘、多维分析与可视化、系统的研发与集成等方面面临的巨大技术挑战,以及当前国内外在大数据分析和在线社交网络领域的主要研究工作;总结和展望网络大数据研究的未来方向和前景.     

面向脑电数据的知识建模和情感识别

心理科学研究依赖于对生理、心理数据的分析,情感是心理研究的重要内容.近年来随着认知神经科学研究技术的成熟,研究者利用脑电(electroencephalogram,EEG)等可以反映脑功能活动的生理信号,直接研究情感问题,如情感识别、情绪脑等.但是,生理信号将会产生TB级甚至PB级的数据量,认知研究和临床神经科学在过去几十年中已产生大量生理数据,对这些大数据的表示和情感知识挖掘需要更高级的工具.构建能够表示数据含义和情感相关知识的模型,能够给心理研究者提供一个知识共享平台,以便使用这些大数据进行情感方面的科学研究.本文构建一个可以表示EEG数据语义和被试者上下文信息的本体模型,并基于该模型使用推理引擎进行基于EEG生理信号数据的自动情感识别.实验结果表明,模型在e NTERFACE 2006数据集上能够以99.11%的平均准确率识别被试者的情感状态,并从实验结果分析发现基于EEG数据情感识别最关键的特征是Beta波与Theta波的绝对功率比.     

超分子手性的动态调控及功能化

超分子手性的研究对于促进生命科学﹑材料化学等相关学科的发展具有非常重要的价值,已发展成为当前手性科学领域的热点之一.动态的智能超分子手性材料具有良好的刺激响应性,其组装结构和功能特性随外界环境的改变而发生敏感的变化.本文介绍了超分子手性的组装原理,详细阐述了光、温度、氧化还原、p H、溶剂、超声、离子、浓度等刺激对超分子手性的动态调控,着重综述了超分子手性在手性模板、手性开关、手性液晶、手性催化、手性传感、圆偏振发光材料及生物医用材料等方面的功能性研究.这些成果为超分子手性的研究领域拓展了新的发展空间,为手性科学问题的研究提供了新思路和新方法.     

DNA改组在腺相关病毒定向进化中的发展及其应用

DNA改组(DNA shuffling)是一种高通量的突变、筛选技术,自1994年提出以来,经过了几十年的发展,其在DNA、酶和药物蛋白等的改造上都有突出的表现.腺相关病毒(adenoassociated virus,AAV)是一种细小病毒,由于其无致病性和能有效呈递基因而成为一种非常理想的基因表达载体.但是AAV筛除存在一些不足,如对某些重要靶细胞感染效率不高、存在机体的免疫反应等限制了其临床研究的进展.应用DNA改组技术对AAV的衣壳蛋白进行定向进化,有望解决这些问题.本文重点综述DNA改组在AAV衣壳定向进化上的技术发展和应用,并结合本课题组在AAV衣壳DNA改组上的研究工作展开讨论.     

辽西建昌玲珑塔地区侏罗纪地层的离子探针锆石U-Pb定年:对最古老带羽毛恐龙的年代制约

辽西建昌玲珑塔地区髫髻山组火山-沉积岩地层中富含燕辽生物群(又称道虎沟生物群)的重要化石,并记录了若干重要的生物演化事件,特别是对研究鸟类的起源以及最早鸟类和恐龙祖先的分化均具有关键的意义,因而其地层时代问题备受关注.本文对建昌玲珑塔大西山含化石沉积层中的3个凝灰岩样品进行了详细的SIMS锆石U-Pb定年,获得了160.7±1.7,159.5±2.3和158.9±1.7Ma的年龄结果.根据近年广泛使用的地质年表GTS2004和新近修订的地质年表GTS2012,由侏罗兽和近鸟龙等构成的燕辽生物群生存于晚侏罗世早期,从而为最早哺乳动物和最早带毛恐龙的出现年代提供了确凿的同位素年代学证据.