Learning to Predict in Complex Biological Domains

1 Introduction1 Bioinformatics is a rapidly expanding field involving a significant contribution from the data mining community. Many different problems are grouped into the general category of bioinformatics, including protein secondary structure prediction, drug discovery, DNA microarray analysis, gene prediction and genome analysis [17]. In this paper, we focus on two particular problems in which data mining can contribute: drug discovery and protein secondary structure prediction. Both …     

异构集成学习中的观察学习机制研究

集成学习是提高分类精度的一种有效途径,已在许多领域显示出其优于单个分类器的良好性能。观察学习是一种基于社会学习理论的集成学习方法,以往对其研究集中于同构模式。在此提出了基于异构模式的观察学习策略,通过训练、观察、再训练三个阶段完成学习。在UCI标准数据集上对异构环境下的观察学习算法进行了实验研究。结果表明,该方法优于多数投票法和单个分类算法,其对弱分类器组成的分类器集合尤其有效。从偏差/方差分解的角度对观察学习提高分类性能的原因进行了论证,结果表明,观察学习算法既可以降低偏差,也可以降低方差。     

基于奇异谱分析的航空客运需求分析与分解集成预测模型

考虑到航空旅客运输需求影响因素复杂以及航空客运需求序列非线性非平稳等特征,本文提出了一个基于奇异谱分析(SSA)的航空客运需求分析与分解集成预测模型.需求分析阶段,首先使用SSA对航空客运需求序列进行有效分解,接着借助奇异熵理论,将序列重构为长期趋势项、中期市场波动项和短期噪声项;预测阶段,使用排列熵(PE)判断各重构序列复杂度的高低,并依据序列复杂度分别选择粒子群算法(PSO)和布谷鸟算法(CS)双优化的支持向量回归模型(SVR)或单整自回归移动平均模型(ARIMA)进行预测,结果表明,该分解集成预测模型较ARIMA、SVR等基准模型有着更好的预测性能.     

高超声速制导炮弹终端滑模控制

针对高超声速制导炮弹的动力学耦合与非线性控制问题,设计一种基于反馈线性化的终端滑模控制器。首先,兼顾控制系统设计的简便性要求与高超声速制导炮弹的强非线性特点,建立非线性控制模型。然后,对模型中动力学耦合问题,根据微分几何理论对其进行反馈线性化,实现俯仰通道与偏航通道的解耦。最后,对两通道分别设计终端滑模控制器,且控制器有限时间收敛。仿真结果表明,所设计的控制器能够快速稳定的追踪指令信号,且在外界干扰与参数摄动的情况下依然具有良好的鲁棒性。     

基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。     

基于交叉熵方法的选择性AODE算法

AODE(Averaged One-Dependence Estimators)算法是最近提出的一种典型的基于na(I)ve Bayes的改进算法,并受到国际机器学习界的关注.交叉熵方法(Cross-entropy Method)是一种解决组合优化问题的全局随机搜索算法,已经成功地被应用到许多经典的NP问题中.给出了AODE算法选择性集成的理论基础,并基于交叉熵方法,提出了解决AODE算法选择性集成的CESAODE(Cross-Entropy method for Selective AODE)算法.在WEKA平台上使用UCI数据集进行的仿真实验结果表明,CESAODE算法比现有的分类算法,例如AODE等具有更好的分类性能.     

Application of varentropy as a measure of probabilistic uncertainty for complex networks

Varentropy is used as a general measure of probabilistic uncertainty for a complex network, inspired by the first and second laws of thermodynamics, but not limited to the equilibrium system. By exploring the relationship between the varentropy of the scale free distribution and the exponent of power laws as well as network size, we get the optimal design of a scale-free network against random failures. The behaviors of varentropy and the Shannon entropy of double Pareto law degree distribution are analyzed to compare their usefulness. Our conclusion is that varentropy is suitable and reliable.     

GOS下集合预报网格工作流程系统设计

为解决集合预报因扰动产生的多样本模式预报计算量巨大问题,充分利用分布异地的网络高性能资源,基于国家网格操作系统(GOS),在门户中间件Gridshpere之上设计并实现了一种适合于集合预报应用系统的网格工作流系统.该系统实现了包括应用程序的服务封装功能,应用服务执行的节点资源动态绑定功能,应用服务之间的数据/控制相关管理功能、重启容错功能、流程监控功能等,已成功应用到集合预报应用网格门户系统,实践证明系统切实可行.     

量子R—N黑洞系统的微正则系综统计

应用微正则系综理论,对大量的量子R—N黑洞组成的系综进行研究,其主要的结论是,在高能极限下,体系最可能的结构为一个黑洞将获得体系全部的质量和所有的电荷,带电荷不会破坏黑洞的统计“自举”条件．     

一种改进的决策规则生成算法

将神经网络集成与C4.5Rule方法相结合,提出了一种改进的决策规则生成算法.该算法以神经网络集成作为C4.5Rule学习的前端,利用其产生用于C4.5Rule学习的数据集,在此基础上进行决策规则的生成.在UCI机器学习数据库上的实验结果表明,该算法可以产生泛化能力较强的决策规则.