一种新型智能预测系统模型——复合金字塔模型

将一般性智能预测系统构造向结合具体领域的个性化智能预测系统构造的发展,表征了智能系统当今发展的重要趋向.蛋白质结构预测是生物信息学领域的国际性难题与主要挑战性问题之一.在本文中,我们提出了一种新型的智能预测系统模型来预测蛋白质的二级结构,它是一个多层递阶的复合金字塔模型(CPM).该模型包含4个独立的智能接口,并且综合涵盖几种相关的知识发现方法.领域知识贯穿该整个模型,并通过因果细胞自动机有效的选择属性,以及高纯度结构数据库的构造.在RS126的数据集上的预测准确性达到84.31%;在CB513数据集,预测准确性达到86.78%(居国际已知之优先地位).同时对CASP8序列预测的结果发现是优于其他方法的,如PSIPRED,Jpred,APSSP2,BehairPred等.大量实验结果表明:该智能预测系统模型具有较强的泛化能力,并提供了其他类型智能系统模型构造的方法论示范.     

基于新型集成分类器的非平衡数据分类关键问题研究

针对非平衡数据分类问题,提出了一种基于差异采样率的重采样算法（differentiated sampling rate algorithm, DSRA）,基于DSRA设计了一种新的集成分类器(SVM-Ripper ensemble classifier, SREC）。SREC采用独特的分类器选择策略、分类器集成策略、分类决策方案,可获得较高的分类精度。同时,利用SREC对影响非平衡数据分类的关键问题进行了研究。结果表明,非平衡数据分类问题本质上是由正负样本类间非平衡、类内非平衡、样本规模以及样本非平衡度等诸多因素引起的,只有综合考虑这些因素才能更好地解决非平衡数据分类问题。     

科学家探索墨西哥天体撞击坑之谜

来自世界一些国家的科学家近日聚会墨西哥，开始对“奇科苏卢布天体撞击坑”进行第二阶段的科学研究工作。 “奇科苏卢布天体撞击坑”是由约６５００万年前的一次天体撞击形成的。它直径约１８０千米，深度在４５千米一６０千米之间，现已被１０００多米厚的沉积物所覆盖，被公认为迄今为止地球上最大的天体撞击境之一。 据墨西哥国立自治大学所属的地球物理学研究所所长乌鲁蒂亚介绍，来自美国、俄罗斯、日本、加拿大、荷兰、法国、德国和墨西哥等国的科学家经过两年多的科学认证和准备，计划于近期花费巨资在坑内挖掘一口７００米深和三口…     

云计算环境中基于对象和用户的角色访问控制模型*

针对云计算环境中资源按需访问的特点以及不同资源不同用户访问控制的特殊性,基于基本角色访问控制模型(role-based access control,RBAC),提出一种基于对象和用户的角色访问控制模型OURBAC(object-and-user based on RBAC);并设计了具体的用户访问权限判定规则。以实际实现应用为背景,设计了OURBAC的具体实现流程,对算法的安全性进行了分析,表明本算法使云资源访问控制得以进一步细化,能明显减少系统中角色数量,有效的提高了系统运行效率及安全性。     

基于图像纹理聚类的恶意代码家族标注方法

针对传统恶意代码标注分析方法中特征提取能力不足以及家族标注不统一、不规范、不精确且时效性差等问题,通过对大量恶意样本PE文件纹理构成和分布的研究,提出了基于内容纹理聚类的恶意代码深度标注方法。该方法对恶意代码的纹理指纹进行统计分析,从基准标注和深度标注这2个步骤对恶意代码家族进行归纳和分析,并结合VirusTotal分析方法、基于GLCM纹理特征空间构建方法和基于P-Stable LSH的近邻增量聚类算法,对恶意代码家族进行深度标注。实验结果表明,基于上述方法开发的原型系统具有家族标注准确率高、支持增量标注等优势,通过深度标注生成的基准标签实用性强,且对未知恶意代码检测具有积极意义。