一种新的支持向量机树学习模型

针对特征空间维数较高时,混淆交叉支持向量机树中间节点的学习结果可能包含冗余特征信息的情况,考虑各维特征之间的相互关系以及各数据点之间的相互关系对数据的分类影响,提出一种基于有监督局部线性嵌入的支持向量机树学习模型.考虑每个中间节点上需要不同的特征信息进行局部决策,分别对每个中间节点(包括根节点)上的样例进行有监督局部线性嵌入学习.实验以手写阿拉伯数字识别问题为例验证和分析了模型的结构和分类识别性能,与其他学习模型的对比结果表明,该模型能在有监督局部线性嵌入学习的基础上,以更精简的结构获得与其他学习模型可比的识别精确率.     

Effect of Calcium on Spontaneous Quantal Transmitter Secretion from ACh-Loaded Myocytes

Introduction Transmitter secretion requires specialized secretory or- ganelles, the synaptic vesicles, for the packaging, stor- age, and exocytotic release of the transmitters[1,2]. The neurotransmitter acetylcholine (ACh) is released at the neuromuscular…     

后物权法时代:网络虚拟财产的纠纷与保护

“我的QQ号码被盗了!”连日来．晓嘉为此忧心忡忡．却申诉无门。这种现象．在网络世界并不少见,类似的虚拟财产被盗案．更多地存在于网络游戏中。当玩家们将辛辛苦苦“练功”挣来,甚至是花钱购买的“宝物”,“武器”．级别．段位等视为珍宝时．一双无形的黑手,却早已在暗处觊觎…… 那么,这些看不见．摸不着的虚拟财产．理应受到法律保护吗？又该由谁来提供保护？面对这个棘手课题．IT界和法律界人士投入了越来越多的关注。[编者按]     

基于非回溯矩阵的有向网络拆解方法

网络拆解是指通过移除最少的节点集将网络拆分为相互不连通的子部分从而达到对网络进行有效控制的效果。但是现有的绝大多数工作只聚焦于无向网络的拆解问题,对有向网络的研究很少,因为当网络中的连边为有向时应用现有方法会使拆解产生较多的耗费。针对此问题本文提出了一种有效的基于非回溯矩阵的边模块拆解方法,将边模块谱划分和有向网络拆解问题相结合,找到连接不同边模块的最少关键点集进行移除。为验证本方法的有效性,将其应用于大规模人工网络和真实网络,多重实验结果表明本文所提方法在拆解精度和计算效率上都具有很大优势。     

基于邻近原则的BitTorrent实验研究

BitTorrent（BT）是一种基于P2P的文件共享软件,有着十分广泛的应用.在BT中,默认参与节点随机选择其它节点作为网络中的邻居构成覆盖网络,不能根据节点的位置优化覆盖网络,影响了BT中文件传输的性能.BT的有偏邻居选择,指的是BT Tracker参照BT Client在互联网中的位置,向BT有针对性地提供相应的邻居,优化BT的覆盖网络,使得BT的文件传输效率得到提高.本文提出了一种基于邻近原则优化BT文件传输速率的机制.首先利用网络坐标对BT网络参与节点在互联网中的位置进行计算；之后,根据网络坐标,对于BT参与节点的邻居进行了有偏选择；BT参与节点经过分布式聚类得到基于邻近原则的覆盖网络.仿真实验显示,基于网络坐标的有偏邻居选择对于BT整体文件传输性能有较大的提升.     

交替二进制偏移载波信号捕获算法

为实现交替二进制偏移载波(AhBOC)信号数据和导频分量的相干累加处理,提出了一种改进的边带捕获处理算法.综合利用数据和导频通道信号,提高捕获灵敏度.通过分量合成与比较,后验估计数据和导频信号的相对符号关系.实现数据和导频通道相关器输出结果的相干累加,降低平方损耗.利用蒙特卡罗仿真分析了该算法的工作性能,并与传统的非相干累加算法进行了比较.结果表明,在恒虚警概率条件下,该算法可有效提高AhBOC信号的捕获概率,减少平均捕获时间.     

Dickson多项式的几个新的性质

Dickson多项式是有限域上的一类重要的置换多项式,它在编码及通信领域有重要的应用,本文给出了Dickson多项式的一些新的性质,推广了一些已有的结果.     

有协变量的推广增长曲线模型中协差阵的最小模估计

对于有协变量的推广增长曲线模型：Y=χ1B1W1 χ2B2W2 B3W3 R，其中，μ(W2)∈μ(W1)，而对W3没有任何限制，本文利用最小模原理和一般射影定理得到了可估参数函数tr(C∑)的无偏不变最小模二次估计(MINQE(U，I))．     

有向网络下的CoDA社区发现算法评估

CoDA算法是一种基于概率模型的能识别二分结构的社区发现算法。为了验证该算法的社区划分效果,采用信息检索领域的F-measure标准,对有向网络下重叠社区和非重叠社区的CoDA社区发现算法进行评估。F-measure标准中F1-measure值的大小能反映CoDA算法社区划分效果的优劣。实验所用的数据集由LFR Benchmark工具生成,数据集中节点数最小为100,最大为20 000,每增加100节点对CoDA算法社区划分效果评估一次。分析实验结果可以得出,当节点数小于1 600时,CoDA算法的划分效果较好。当节点数大于1 600时,随着节点个数增多,CoDA算法社区划分效果逐渐变差。由此说明,基于概率模型的CoDA算法适用于小规模社交网络社区的划分。     

一类来自有限域 GF（16）子群上的高码率的 LDPC码

最近,Sobhani等人利用在有限群上的元素置换方法构造群置换LDPC码,本文在此基础上,给出了一类在有限域GF（16）的子群上构造的高码率的LDPC码,其Tanner图围长至少为8。仿真结果表明,这类码执行性能优于相应类型的随机LDPC码和其代数结构的准循环LDPC码。