一种基于序列挖掘的分类系统框架

为了有效地对序列数据进行分类，提出了一种集成分类挖掘和序列模式挖掘技术的分类系统框架(SPACS)．先采用一套约束和裁减策略，为每个分类挖掘频繁序列模式，并将其转换为分类序列规则(CSR)；再利用平均CSR匹配置信度和一个规则匹配算法构建有效的序列数据分类器．SPACS不需要在提取序列的特征后采用传统方法进行分类，可以直接利用从序列数据中提取出的频繁序列进行分类．实验结果表明，对于序列类型的数据的分类，SPACS比传统的决策树和关联分类方法具有更高的分类精度．     

非线性时序的混沌特性分析与预测

非线性时间序列相空间重构过程中的参数选择问题以及有效的预测方法一直是该领域研究的热点和难点，基于虚假最近邻域概念，同时确定最佳的嵌入维数m与时间延迟τ，对实际非线性时间序列进行相空间重构，求解出时间序列最在Lyapunov指数LE，验证了其中混沌特性，其可预报尺度为[1／LE]．并应用基于[1／LE]个输入神经元与Kenya提出的m：2m：m：1这两种人工神经网络结构对非线性时间序列进行训练和预测，预测结果的平均误差分别为4％和2％左右，后一种神经网络结构能提供更好的预测结果。     

致病钩端螺旋体特异消减片段的序列测定与分析

对24个已鉴定的赖型致病钩端螺旋体特异消减片段进行DNA序列测定和生物信息学分析.结果显示,片段两端皆含有AluⅠ酶切位点,片段大小为149～1506bp,平均480bp,GC含量平均为36 63%.其中6个序列无任何同源匹配序列,提示可能来自新基因;18个同源序列可分为两类:与外膜蛋白或假想蛋白相关,与生化代谢修饰相关的酶.在Genbank中登记其中20个序列,序列号分别为AF300873-AF300877,AF325807-AF325821.这些基于生物信息学的功能预测,将有助于在此基础上进行相关的基因克隆鉴定、表达分析及功能验证.     

关于图同构复杂性的一点补充

在图G=(V，E)中，删除其度数最大的顶点及其关联的边，在余下的子图中，如法炮制，直至余下的子图为零图．设所删除的这些顶点x1，x2，…，xi的度数依次为P1，P2，…，Pl，称序列P1，P2，…，Pl为图G的度序列；xi(1≤i≤l)关联的边的另一端点在G中的度数的集合称为顶点五关联的度集合．通过计算、比较两图的度序列、被删除的顶点的度数以及它们关联的度集合，证明两图同构问题的复杂度是多项式的．     

SARS经济预测模型

利用经济预测方法，建立了非典数学模型，分别利用0．618法、时间序列的指数平滑技术及温特法对数据进行纵向和横向处理，得出了数据预测趋势走向图和统一预测公式．     

基于时空混沌保密通信的研究

提出基于时空混沌序列的保密通信方法，提出了一种用时空混沌模型产生扩频地址码的方法，讨论了驱动序列的选择方法与原则，分析了其耦合同步特性，给出了一种具体的通信系统模型。实验结果表明：此模型具有较高的保密特性和较强的同步能力，并且易于实现。另外，只用很少的几路离散混沌序列作为同步序列就可传输多路信息，有效地提高了系统的信息传输效率。     

飞行数据趋势监测在飞机“健康状况”评估中的应用

针对飞行数据属于多状态时域数据的特点提出了一种用于参数趋势监测的方法 ,该方法为“飞机健康”状况提供了一种科学的评估依据。首先对飞机在稳定工作状态和飞行特征时段下的飞行数据进行筛选处理、野点剔除和统计分析 ,并在此基础上建立时间序列AR模型进行参数预测 ,进而采用阈值对比法实现了参数的趋势监测 ,最后讨论了趋势监测在“飞机健康”状况评估中的应用方案。实例表明这一方法具有较高的准确性和重要的工程应用价值     

基于相空间投影技术的舰船目标信号降噪处理

由于很多混沌信号具有较宽的频谱成分，致使传统的滤波降噪方法存在很大的局限性。线性滤波器非但不能有效地抑制混沌信号中的噪声，相反，还可能会使混沌信号失真。文中利用相空间投影技术对具有混沌特征的时间序列进行降噪处理，并将其应用于舰船目标噪声信号的降噪分析中，结果证实了所提方法的可行性和有效性。     

矿井瓦斯涌出量时间序列的分形特性分析

应用分形论中的R/S分析法对矿井瓦斯涌出时间序列进行分析。计算了时间序列的赫斯特指数、概率分布分形维数和轨迹分维数。讨论了它们在矿井瓦斯涌出预测中的指导意义。计算结果表明正常情况下矿井瓦斯涌出量的变化趋势具有很好的持久相关性，可以用分形论对其作出趋势预测；而发生火灾时，持久相关性不明显。但两种状态下的概率密度分布都满足分形分布；时间序列轨迹都具有明显的分形特性。     

非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。