食荚型豌豆组织培养和植株再生研究

以豌豆子叶、茎、真叶为材料进行外植体筛选及组织培养研究,试验结果表明:豌豆带节茎段是最佳试验材料;在MS附加1 mg/L BA和1 mg/L NAA培养基中,愈伤组织诱导率达100%,愈伤组织在分化培养基中未分化出芽;带节茎段在MS附加2～3 mg/L BA和0.1 mg/L NAA培养基中,腋芽和丛生芽产生率达100%,芽增殖系数3以上;不定芽在MS附加3 mg/L NAA上生根率86%;试管苗移栽成活率85%左右.     

偏好序下产品总体方案优选的一种群决策方法

分析了产品总体方案评价与优选过程中的群决策问题,针对决策过程中决策者个体偏好序表达时群体意见的综合给出了一种方法.该方法在综合过程中既考虑了决策个体的主观权重,又考虑了由决策个体决策意见可信度所确定的客观权重;以决策个体意见与群综合结果之间的总差异度最小为目标函数建立了相应的规划模型,并给出了求解方法.实例证明该方法有效且可行.     

基于协同信息的科技创新团队成员选择指标体系

由于科技创新存在高风险性和不确定性,高水平的科技创新取决于团队成员之间的优势互补、充分沟通和密切配合,科技创新团队对成员的选择要求是一个非常重要而且非常复杂的决策问题。因此,科技创新团队成员选择过程中,历史合作信息对于决策者具有重要价值,决策者应当优先选择历史合作好的成员组合。除个体素质方面应当考虑知识背景、学术资格、项目经验、论文水平、创新意识、反应能力、个人需求等外,还应考虑合作精神、合作论文数量、合作论文级别、合作项目数量、合作项目级别等协同信息。     

多步骤降维的肿瘤特征基因选择方法

针对基因芯片数据量大、样本数低和基因维数高的特点,提出了一种对基因芯片数据进行多步骤降维处理的分类方法.第一步,采用基因表达差异显著性分析方法(SAM)筛选得到差异表达基因子集.第二步,采用支持向量机(SVM)分类器对该差异表达基因子集进行进一步的分类降维.将该方法用来处理大肠癌和白血病数据集,得到了数量较少而分类能力较强的特征基因子集.实验结果证明该方法可以快速有效地筛选肿瘤特征基因.     

重用抗体优良片断的免疫进化算法

基于克隆选择原理与算法,通过分析具体现象阐述了改进克隆选择算法的思想来源,设计了挖掘抗体中优秀决定基因并生成记忆集、封装优秀决定基片段、用变异抗体群中亲和度高的抗体按概率替换记忆抗体群中低亲和度抗体的方法,获得了重用抗体优良片断的克隆选择算法.借鉴强度Pareto进化算法的进化框架,提出了重用抗体优良片断的免疫进化算法.该算法通过克隆选择替代选择、交叉、重组等遗传操作.在一组0/1背包问题上的测试结果表明,所提出的算法可以有效保持种群多样性,获得较高质量的Pareto非劣解集.
     

一种基于最小区域选择的LDPC码迭代译码算法

提出一种基于最小区域选择的LDPC(low-density parity-check)码迭代译码算法(min-zone selection decoding algorithm,MZS decoding).MZS算法把最小区域选择和近似计算的思想结合起来,针对传统的置信度传递译码算法(belief propagation decoding algorithm,BP decoding)中的Q(x)函数提出了一种有效的简化处理方式,而这种简化处理只产生少许的性能损失.仿真结果证明,通过合理的参数设置,MZS算法几乎可以提供和BP算法同样优秀的性能.     

考虑多资源约束的非等效并行机节能调度算法

针对瓶颈工序光刻过程中考虑能源消耗、多类型多数量的掩膜资源、换模等约束的非等效并行机调度问题,进行了改进型免疫克隆选择算法的调度方法研究.首先对问题域进行描述,以最小化总加权完成时间与能源消耗量为优化目标,建立了数学模型;在此基础上提出了一种带精英策略的多目标免疫克隆选择算法,该算法融合了非支配排序遗传算法的排序规则,并引入深度邻域搜索算子、种群更新算子以提高算法搜索性能及挖掘性能.最后,对算法进行仿真实验,结果表明该算法是有效的、可行的.     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面;结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%;在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.     

基于特征选取与树状Parzen估计的入侵检测

针对目前网络空间安全形势快速变化带来的新风险和新挑战,提出一种基于相关性分析的特征选取和树状Parzen估计优化的入侵检测方法.首先,通过基于相关性分析的数据特征选取方法对数据维度进行压缩.其次,对原始数据集进行特征筛选,生成新的特征子集.最终,使用序列模型优化算法中的树状Parzen估计算法对随机森林算法进行模型优化...     

基于元学习的航空电子设备特征选择算法推荐方法

为了对航空电子设备的测试数据进行有效约简,去除冗余信息和不相关特征,基于机器学习领域现有的特征选择算法,提出了一种元学习框架下的航空电子设备特征选择算法推荐方法.所提方法旨在根据不同航空电子设备测试数据所蕴含的信息,推荐合适的特征选择算法.首先,分析了数据集特征的描述方法.然后,介绍了采用综合度量指数的算法性能评价方法...