基于类别共生矩阵的纹理疵点检测方法

根据有规则纹理的特点,提出了基于类别的共生矩阵来描述纹理特征,从而很好地将正常纹理与疵点区分开.分析了传统的灰度共生矩阵在计算纹理特征时计算量大,且分辨能力差的缺点.为了克服灰度共生矩阵在计算量和分辨能力上的缺点,定义了类别共生矩阵.在类别共生矩阵的算法中,首先学习纹理的一些基本特征以确定类别共生矩阵的一些关键参数,如纹理的概率密度分布、纹理的主方向和周期,以及分类准则等重要参数,然后计算类别共生矩阵并提取白疵点增强、黑疵点增强和一致度等三个特征,最后采用异常点检测的方法即可很好地区分正常纹理和疵点.实验证明,该方法比已有的灰度共生矩阵计算量小,并具有更突出的分辨纹理和疵点的能力.     

利用多级社区中心标签实现大规模图上距离查询

距离查询是图数据挖掘应用中的最基本的操作之一,但是目前的现存查询算法均无法高效处理大规模图数据.针对这个问题,提出建立多级社区中心的标签机制,即首先在原图中将结点按社区划分为多个集合,然后再将各集合中的中心结点建成带权查询子图,经过多次递归操作,最终为各结点建立一个基于社区中心的树状结构标签集,该标签集可以实现利用较短的创建时间和较小的存储代价大幅度提高距离查询的效率.从实验结果可以看出,该方法综合效率明显优于现存的高效算法.     

副载波链路资源在随机连接中的阻塞概率计算

假设副载波交换网络中链路是随机连接的，在最短径路由算法与副载波标记分配限制条件下，结合一定拓扑结构的网络分层模型，利用链路之间的相互关系及其状态计算当前状态下某一链路对随机连接通道建立的阻塞概率．通过构建第，分层的虚状态集，计算了第Ⅰ分层当前状态下某一连接通道形成的阻塞概率，以连接通道的阻塞概率作为资源分配的代价函数来降低网络连接请求阻塞概率．     

多标记数据的特征及标记降维方法综述

多标记学习降维方法在实际应用问题中用以处理特征,标记或二者维度较高的数据集,已成为研究热点;针对目前多标记学习降维方法数量众多,种类繁杂而导致缺乏科学分类的问题,从多标记数据降维空间选择的角度,提出将多标记学习降维方法按照特征空间降维,标记空间降维和二者均降维的形式归纳为三类,其中特征空间降维又分为特征降维和特征选择两类问题,分别从独立于和依赖于彼此空间的角度对已有的40余篇文献中的典型多标记学习降维算法的研究现状进行了综述;最后,总结了多标记学习降维方法的研究现状和启示,并提出了未来进一步的研究方向。     

一种草莓新鲜度指示标签的研究与设计

该文对草莓采后生理特性进行了分析,设计了一种以红萝卜色素溶液作为pH敏感剂的水果新鲜度智能指示标签,主要由pH敏感剂涂层、pH敏感剂载体和透明基材这三部分组成,在包装使用过程中完全避免了指示剂的安全性、迁移性对水果造成污染的问题。基于指示标签的显色理论,详细分析了在草莓成熟和过熟阶段内指示标签的颜色变化情况。     

Positional distribution of fatty acids on the glycerol backbone during the biosynthesis of glycerolipids in Ectocarpus fasciculatus

The biosynthesis of glycolipids in E. fasciculatus was studied by ¹⁴C label and chase. The fatty acids in sulphoquinovosyl diacylglycerol (SQDG) were almost 16-car- bon and 18-carbon ones. In addition to the two fatty acids, monogalactosyl diacylglycerol (MGDG) and digalactosyl diacylglycerol (DGDG) contained 8.5 mol% and 31.0 mol% of eicosapentaenoic acid (20∶5), respectively, and this fatty acid was usually distributed in the sn-1 position of the glycerol backbone. When plants were incubated with [2-¹⁴C] acetate, differences existed in the positional distribution of the labeled fatty acids in sn-1 and sn-2 among the three glycerolipids. In SQDG, ¹⁴C-labeled fatty acids were distributed uniformly in the sn-1 and sn-2 positions. In DGDG, ¹⁴C-labeled fatty acids were mainly distributed in the sn-2 position. In MGDG, the radioactivity of fatty acids in sn-1 position was far greater than that in sn-2 position after a 30 min pulse label, and the difference in radioactivity between the two positions decreased rapidly. The above results indicated that differences in the positional distribution of ¹⁴C-labeled fatty acids between sn-1 and sn-2 positions might be related to 20∶5 and the biosynthesis of DGDG. Our results also suggested that E. fasciculatus had the same DGDG biosynthetic pathway as that in higher plants and galactosyl transferase was selective for MGDG.     

新型最小干扰选路算法及仿真研究

以离线阶段+在线阶段为框架,提出了一种处理不同类型业务请求的最小干扰选路算法NMIRA.该算法的离线阶段通过对网络进行优化实现带宽预分配,为在线路由部分建立可选路径库;在线阶段利用最短最窄选路方法定位多条关键链路,根据链路上各业务类型的已用与可用带宽比值来计算链路权重,达到最小干扰目的的同时降低了算法的复杂度.通过对不同网络拓扑进行的仿真实验结果表明,该算法实现了在请求拒绝率和总的可用带宽等性能方面上的改进.     

一种基于Interest-Model的用户推荐算法

目前的社交网络用户推荐算法针对性较弱,用户兴趣不明显.针对这些问题,设计一种基于兴趣的潜在用户推荐算法.抽取用户的Tag标签,计算标签间的语义相似度,通过用户与其关注者之间的关系和兴趣程度对关注者进行打分,根据打分结果进行潜在用户的推荐.实验结果表明,基于兴趣的用户推荐算法对潜在用户的预测和推荐准确度有所提高.     

基于概率LS-SVM 的多标签非均衡样本分类算法

针对多标签分类问题,提出了一种面向样本不均衡及类属不确定性的多标签分类算法。首先,结合“一对一”分解策略和贝叶斯理论,将多标签数据集分解为单标签数据子集,并利用Parzen窗方法估计子集样本后验概率,对类标签进行了基于概率的不确定性表示。然后,在融合概率类标签和LS-SVM模型的基础上,利用样本差异信息来调节惩罚参数值,建立了考虑样本不均衡的概率LS-SVM子分类器模型。依据正态分布的3σ原理,设计了子分类器决策阈值确定方法。最后,结合实例对算法进行了性能分析,结果证明了新算法的合理性和有效性。     

基于方向权值标签传播的微学习单元聚类算法

为帮助学习者从大量在线学资源中找到适合自身个性化的学习资源及顺序集合,提出一种基于有向边方向权值的标签传播算法(LPADEW)用于发现适合特定学习者并属于同一学习周期的微学习单元序列簇群。该算法对标签传播算法进行两个改进：根据单元节点的利用度确定标签的更新顺序,降低在节点更新顺序上的随机性;利用当前单元节点的前置邻居和后置邻居的有向边权累加值进行标签更新,并将标签权重引入标签更新策略,既可降低标签更新的随机性,也可避免形成巨型簇群。实验结果表明,LPADEW算法在微学习真实数据集和人工数据集中均取得了较好的结果。