面向同源蛋白质探测的一种新型混合深度学习模型

根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLM-PHP)。通过采用统一的"管道式"深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。     

基于Lightgbm和XGBoost的优化深度森林算法

教育规模不断扩大，高校在校生人数持续上升，导致学生的能力参差不齐.为了提升教育水平，教师需掌握学生在校期间的学习状态，预测学生期末成绩是教师掌握学生学习状态的重要途径之一.目前的研究工作主要采用传统的机器学习算法进行成绩预测，如随机森林、贝叶斯、深度森林等，但精度不高；也有利用深度学习算法进行预测，但模型缺少可解释性. Lightgbm(Light Gradient Boosting Machine)算法内存消耗低，时间复杂度低，而XGBoost(eXtreme Gradient Boosting)算法精度高.因此，基于提高精度与降低模型内存消耗的策略，将深度森林中的随机森林与极限随机森林模块分别替换为Lightgbm和XGbBoost，提出一种基于Lightgbm和XGBoost算法的优化深度森林算法LIGHT-XDF.在八个数据集上与其他模型进行对比实验，结果表明，LIGHT-XDF算法的综合性能最好.     

人工规范场中冷原子气体的薛定谔方程的格点规范差分算法

对于空间不均匀的人工规范场,由于位置和动量耦合在一起,冷原子物理中常用的时间分裂谱方法将不再适用。为了计算空间不均匀的人工规范场中的冷原子动力学行为,这里给出人工规范场中冷原子气体的薛定谔方程的差分算法,在我们的算法中人工规范场使得动能项的差分出现和人工规范场的联结函数,在文中分别就阿贝场和非阿贝场用待定系数法和格点规范理论给出了处在人工规范场中的冷原子气体的薛定谔方程的格点规范差分格式。我们先以最简单的U(1)的虚拟阿贝规范场为例,用两种方法分别给出相同的差分形式。对于更为复杂的SU(N),我们以SU(2)为例用两种方法给出了差分形式。然后用所得到的差分格式计算了冷原子物理中一个很典型的现象自旋霍尔效应。     

采用预测模式的智能安全气囊控制算法

现有的汽车安全气囊易产生误触发和不触发的现象,为此,采用遗传神经网络预测模型开发了一款智能安全气囊控制器.首先在已开发的安全气囊控制器硬件系统基础上,建立并验证了目标车型的整车有限元模型以及乘员约束系统多刚体模型,通过仿真分析确定安全气囊的起爆方式以及最佳点火时刻,然后根据改进的遗传神经网络模型设计了安全气囊的智能控制算法,最后进行了台车试验验证.试验结果表明,该智能控制器可正确预测碰撞动态,并能够准确地预测起爆时刻.     

基于改进粒子群优化的K-means算法在学生状态分析系统中的应用

研究学生状态分析系统,旨在收集学生的综合数据,并对这些数据进行分析给出学生的状态,为老师和学生提供一个交流平台.使用基于改进粒子群优化的K-means算法来分析学生的数据,可以提高K-means聚类算法的全局搜索能力,缓解粒子群优化算法的早熟收敛现象.与基于标准粒子群优化的k-means算法和基于遗传算法的k-means算法的收敛结果相比,本文研究的算法有更好的搜索能力.将系统得到的学生评估结果与人工评价得到的相比,从系统获得的评价更全面、更客观.系统还可以提供视觉信息.最重要的是系统还能帮助老师更好地了解学生,及时引导学生,提高管理学生的效率.     

一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法

针对LBP算法在提取全局特征时不具有针对性的缺点,提出一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法。该算法引入Harris得到表情图像的角点,同时运用SIFT检测算法得到图像的局部最大最小值,通过Harris算法对SIFT特征点进行过滤,得到表情图像的准确感兴趣点;设计特征点最大区域选取法和特征点周围邻域选取法,将选取的区域作为LBP特征提取的输入图像;运用SVM多分类器得到每种表情的识别率。实验表明,该算法能更有效地提取表情特征,达到较好的识别效果。     

基于Apriori算法的数据挖掘在高校毕业生就业指导中的应用

随着高校毕业生人数的增加和管理信息系统的应用,产生了大量复杂的就业数据,利用Apriori算法的数据挖掘技术,从就业数据中挖掘出学分绩点与用人单位录用学生之间的关联规则,有助于提高就业管理部门对毕业生就业指导的实效性,实现毕业生更快更好的就业.     

面向运动目标检测的改进ViBe算法研究与实现

ViBe算法容易实现且运算效率高等优点，在运动目标检测等领域中获得广泛运用，但其也存在一些缺点，如鬼影、空洞、漏点以及运动目标检测不完整等问题，针对这些不足，从ViBe算法处理过程的主要阶段出发，提出一种改进的ViBe算法.首先用迭代累积背景法获取真实背景用来抑制鬼影问题，其次把真实背景分别用于帧差法和改进的ViBe算法中，帧差法可用来弥补视频序列帧中边界处像素点遗漏问题，改进的24领域ViBe算法用来提高模型精度，再把两个结果进行“或”运算，最后利用形态学进行处理用以消除小噪声干扰，使得到的目标更加完整.该算法能够去除噪声、抑制鬼影以及减少空洞点，实验结果表明，与传统的ViBe算法相比，能够有效抑制鬼影以及减少漏点问题，提高运动目标检测精确度.     

面向第二类装配线平衡问题的改进粒子群算法

为求解第二类装配线平衡问题，建立一种以最小化节拍、工位负载标准差为优化目标的第二类装线平衡问题的模型.根据装配线平衡问题的特点，设计出一种改进的粒子群算法，引入随迭代次数增加而线性递减的惯性权重，防止粒子群算法陷入局部极值点；将反向学习策略与PSO算法相结合，使PSO算法具有更佳的搜索能力和收敛速度.通过求解标杆问题，结果表明改进的PSO算法与标准PSO算法相比，具备更好的求解能力.最后通过对青贮机装配线为实例验证算法的可行性和有效性，进一步验证了本文中提出的改进PSO算法具有很强的计算效率和求解能力.     

面向虚拟介入手术的单线圈接收端电磁定位新模型

面向虚拟介入手术导丝导管三维定位需求，针对狭窄脑血管等对更小体积传感器的要求，提出了单线圈接收端的电磁定位新模型。基于电磁学理论和几何学原理，设计了三正交线圈组阵列的电磁场发射端，以及比现有感应器尺寸更小的单线圈接收端。基于毕奥-萨伐尔定律实现了接收端到线圈组几何中心的距离计算，并基于球交点公式实现了接收端的空间坐标求解。设计了两轮精度提升算法进一步减小误差，选择优化的发射端线圈组拓扑并拟合修正距离计算值。通过在COMSOL Multiphysics多物理仿真平台的实验和脑血管介入的应用实例，验证了新模型0.05 cm的定位精度和29 Hz的定位频率，为小型高精度电磁定位传感器制造提供了理论基础。