Metabonomic analysis of hepatitis B virus-induced liver failure： identification of potential diagnostic biomarkers by fuzzy support vector machine

Hepatitis B virus （HBV）-induced liver failure is an emergent liver disease leading to high mortality. The severity of liver failure may be reflected by the profile of some metabolites. This study assessed the potential of using metabolites as biomarkers for liver failure by identifying metabolites with good discriminative performance for its phenotype. The serum samples from 24 HBV-indueed liver failure patients and 23 healthy volunteers were collected and analyzed by gas chromatography-mass spectrometry （GC-MS） to generate metabolite profiles. The 24 patients were further grouped into two classes according to the severity of liver failure. Twenty-five eommensal peaks in all metabolite profiles were extracted, and the relative area values of these peaks were used as features for each sample. Three algorithms, F-test, k-nearest neighbor （KNN） and fuzzy support vector machine （FSVM） combined with exhaustive search （ES）, were employed to identify a subset of metabolites （biomarkers） that best predict liver failure. Based on the achieved experimental dataset, 93.62% predictive accuracy by 6 features was selected with FSVM-ES and three key metabolites, glyeerie acid, cis-aeonitie acid and citric acid, are identified as potential diagnostic biomarkers.     

基于级联网络和图搜索的轨迹模式学习算法

提出了一种基于级联竞争神经网络和有向无环图搜索的运动目标轨迹分布模式提取算法。采用级联竞争神经网络提取不同时序处流矢量的分布,根据轨迹点之间的时序转移关系构造有向无环图,通过深度优先搜索来获取轨迹分布的显式表示,并在此基础上给出了一种基于轨迹点对齐的异常轨迹检测方法。构造的级联网络自动隐含了轨迹点的时序关系,可以处理不同长度轨迹模式的学习问题。不同场景的仿真实验表明此方法可以应用于复杂场景下的目标异常行为检测。     

基于Ajax的聚合搜索系统

随着Internet的发展，人们对于信息的需求与日俱增。而且，人们倾向于应用多个搜索引擎以获取更全面、准确的信息。因此，作为崭新的搜索方式，将各大搜索引擎集中到一个平台的聚合搜索开始备受关注。针对这种应用趋势，文章介绍一个基于Ajax的聚合搜索系统的实现过程，它以百度、Google、雅虎、爱问、搜狗、中搜6大搜索引擎作为搜索源，利用正则表达式匹配搜索结果，最终给用户呈现一个整洁的搜索结果。     

一维搜索的双切线法和双割线法

本文将函数负梯度的概念应用于一维搜索中,提出了一维搜索的新方法——双切线法和双割线法.特别是双割线法与0.618法和抛物线插值法相比.可使一维搜索的效率明显提高.     

启发式搜索的一种新技术─SA算法

在一定的假设下，可把启发式搜索看作一种随机取样的过程。从而把统计推断方法引进搜索。根据上述思想．把Ｗａｌｄ序贯概率比检验方法与Ａ（Ａ＊）搜索结合，得到一种新算法──ＳＡ算法。文中讨论了该算法的优点及细节。最后通过一个实例说明算法的原理。     

缩微影像计算机辅助检索研究

讨论了实现缩微影像计算机辅助检索的原理、方法,以及在系统规划、缩微拍摄及计算机建库、系统启动程序的设计等方面的若干技术问题;介绍了建立缩微影像联机检索过程中的设计思路和实现方法.     

一种基于 Pareto 云隶属度的 MOPSO 算法

为定量解决非支配解排序问题,并兼顾多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）的收敛性和多样性,提出了一种基于 Pareto 云隶属度的 MOPSO 算法。利用 Logistic 混沌映射优化种群的初始空间分布并融合布谷鸟搜索（cuckoo search,CS）指导粒子跳出局部陷阱,以增强算法的全局寻优能力。首次提出云向量评价 Pareto 最优解集方法,采用云隶属度评价准则对粒子适应度值进行量化评价。依据云隶属度选取个体最优和群体最优,平衡全局开发与开采,进而实现外部档案维护。测试函数集 ZDT 的实验结果表明,改进算法在收敛性和多样性方面较 MOPSO 和 NSGA-Ⅱ有一定优势。     

美国大学校长任职资格探析--对六所大学校长遴选公告的解读

大学校长对大学的发展起着至关重要的作用,因而校长遴选是大学管理工作的重要环节。选取美国六所不同的大学,对其校长遴选公告进行分析,以总结美国大学对其校长任职资格的共性要求,研究发现：美国大学在招聘校长时都注重候选人的学术背景（学术性特征）、领导能力及管理经验与能力（领导与管理特征）、集资能力、公关能力（商业化特征）和大学校长的亲和力、包容性（个性特征）等指标,在其他指标上呈现出差异性。美国大学对校长的任职资格要求对我国公开选拔大学校长的实践有重要的借鉴意义。     

多子群混合和声搜索算法

为提高和声搜索算法的优化性能,提出一种多子群混合和声搜索(MHHS)算法.该算法基于每个和声到最好和声的距离进行排序,并依据排序结果分层,每一层作为一个独立的子群.不同的子群融合不同的差分调整策略,以拓宽搜索范围;同时建立通信机制,使各子群以一定规格进行信息交流,促进子群的协同进化.实验仿真表明,本文算法在寻优精度、收敛性和鲁棒性方面均优于文献中报道的HS,EHS,NGHS,MPSO,CLPSO,DE,ODE和IABC算法.     

面向探索式搜索过程的查询推荐

查询推荐是一种提高用户搜索效率的重要工具,但是传统的推荐方法对于探索式搜索的推荐效果不好.针对此问题提出了一种新的面向探索式搜索过程的查询推荐方法,即根据用户搜索的行为模式,通过试探性查询重构和确认性查询重构两个过程,对探索式搜索过程进行建模,并根据影响探索式搜索过程的三种因素提出了一种排序算法,将确认性子查询中的查询推荐给用户.通过与传统推荐方法的对比实验验证了本模型及其推荐方法的有效性.