求解蛋白质折叠问题的拟物切片算法

蛋白质结构预测问题在生物学领域具有重要的理论意义和现实意义,提出一种拟物切片算法,与目前文献中依格点模型求解蛋白质折叠问题的最高效算法PERM进行对比分析。对当前文献中公认的最难的4个算例的计算都达到较好的结果。     

求解蛋白质折叠构形预测问题的PERM改进算法

PERM算法用来求解蛋白质折叠构形预测问题具有非常高的效率。本文介绍了PERM算法的思想，并详细介绍了一种我们改进的PERM算法。使用该算法求解蛋白质折叠构形预测的二维HP格点模型取得了相当好的计算结果。     

蛋白质在格子模型中改进的PERM算法

PERM算法是当前蛋白质结构预测的格子模型优化算法中最为有效的一种算法，在该算法的基础上，我们提出了一种改进的增长算法IPERM。该方法简化了PERM算法中的权重计算公式，在遇到不同类型的残基时选用不同的上下限阂值以提高算法的有效性，并根据链长的大小使用不同的网格尺寸。实验结果表明，改进的增长算法使得HP序列在格子模型中能更快地找到其能量最低构象。     

求解HP模型蛋白质折叠问题的启发式算法

构造了一个新的数学模型，把三维HP模型的蛋白质折叠问题由一个有约束的优化问题转化为无约束的优化问题，通过建立相对坐标和邻域结构，提出了一个局部搜索算法，并对文献中的链长不同的7个算例进行了测试。结果表明，该算法能在较短时间内找到其中5个算例的最优能量枸形，对另外2个难例，则可以找到能量仅比最优构形高一个单位的次优构形。     

蛋白质HP模型的改进和PERM算法求解

HP模型是一种被广泛研究的简化的蛋白质折叠模型.在蛋白质螺旋结构的预测上有很高的可信度.但是HP的正方格点模型存在能量计算缺陷,影响其对链上特定结构的计算.针对这一缺陷,给出一种模型上的修正,引入了三角化的格点模型.利用求解格点蛋白质模型高效的算法PERM对通用算例进行了基于2-D三角格点模型的仿真计算.得到了紧密的蛋白质链折叠构型.构型最小能量比正方格点模型更低,得到的标准算例构型比较吻合实际蛋白质折叠的直观构型.计算结果验证了改进模型的有效性.对后续的研究提出了建议.     

基于P2HP平台的蛋白质折叠分布式计算

通过对基于格点模型的PERM算法进行定性分析,提出并行化计算PERM算法的策略。该策略保存了PERM算法中最关键的平均权重向量,并分发至多个计算单元进行模拟运算,从而达到减少计算时间、提高运算结果精确度的目的。以P2HP为计算平台,对多条蛋白质序列进行模拟运算。实验结果表明,基于PERM的蛋白质折叠并行计算方法能够在P2HP平台上获得较优的性能。     

求解蛋白质结构问题的改进模拟退火算法

将模拟退火(SA）思想用于求解蛋白质结构预测问题,并在此基础上提出了两个提高解的质量和加快收敛速度的改进策略,计算结果表明改进后的SA算法的计算效率优于目前常用的遗传算法和Monte Carlo方法。     

改进的蚁群算法求解蛋白质折叠问题

针对蛋白质折叠问题的二维格点模型(2DHP)提出了一种改进的蚁群算法(ACO).受链生长型算法Pruned-Enriched Rosenbluth Mvthod(PERM)的启发,在计算迹的时候增加了一个新的信息量,使得改进后的蚁群算法具有较快的收敛速度,同时采用基于极值动力学的优化方法(EO)进行局部搜索.求解基准实例的结果表明,该算法能够在保证解质量的前提下能大大缩短计算时间.     

带有停滞检测的蚁群算法在2D HP格点模型中的应用

为了提高蛋白质折叠结构预测的求解效率,针对2D HP格点模型,研究蚁群ACO(Ant Colony Optimization)算法在该问题上的应用。采用四元组表示绝对的折叠方向,并建立构象和解的一一对应关系。通过实验对算法各阶段的常用策略、方法进行比较分析。为了防止搜索陷入停滞,引入位置信息素停滞比和序列信息素停滞比两个参数,使用一种新的停滞检测机制。实验结果表明,改进的算法在保证预测质量的前提下,显著地提升了收敛速度。     

基于混合遗传算法的蛋白质结构预测研究

将遗传算法与模拟退火算法相结合,提出一种新的混合遗传算法,并采用该算法对蛋白质的折叠过程进行研究.实验结果表明,采用该算法比单纯采用遗传算法或者采用模拟退火算法速度更快,计算结果更精确,是一种行之有效的新方法.     

基于方形对称邻域的局部离群点检测方法*

针对NDOD(outlier detection algorithm based on neighborhood and density)算法在判断具有不同密度分布的聚类间过渡区域对象时存在的不足,以及为了降低算法时间复杂度,提出一种基于方形对称邻域的局部离群点检测方法。该算法改用方形邻域,吸收基于网格的思想,通过扩张方形邻域快速排除聚类点及避免"维灾";通过引入记忆思想,使得邻域查询次数及范围成倍地减小;同时新定义的离群度度量方法有利于提高检测精度。实验测试表明,该算法检测离群点的速度及精度均优于NDOD等算法。     

分组敏感的无线传感器网络实时数据融合树算法

针对无线传感器网络中数据传输必须在指定时延约束下完成的特殊场景提出了一种能量有效的数据融合树算法,该算法首次将分组敏感的概念引入到传感器网络实时数据融合应用中,并通过特殊机制使得该算法在降低能耗水平的同时可以为实时数据动态地选择满足时延要求的路径。另外,针对该数据融合树算法设计了一种特殊的数据融合定时机制,从而进一步改善了该算法的性能。最后,通过仿真试验将该算法与已存在算法进行了比较,证明了该算法的优越性。     

一种快速RSA算法的改进

在深入地研究RSA算法的加密解密原理的基础上，详细地分析了分块模幂算法，乘同余对称特性和幂等价代换思想。根据分块模幂算法的分块预处理的数据具有幂等价代换的特点，应用幂等价代换方法对预处理过程做了改进，并提出了改进的分块模幂算法。通过理论分析，得到改进算法快速的数学条件，并在实验中证明了在这一数学条件下改进后的分块模幂算法在速度上比改进前的分块模幂算法有较大的提高。     

并行挖掘频繁项目集新算法——MREclat

针对Eclat算法在挖掘海量数据中的频繁项目集时存在的内存和计算资源不足等问题,提出了基于Map/Reduce计算模型的并行挖掘算法--MREclat。首先,将水平型数据库转换成垂直型数据库;然后,将转换后的数据按2-项集的前缀分发到各个计算节点上,且在分发数据时引入了均衡策略;接着,在各个计算节点上求出以某一前缀开头的所有频繁项目集;最后,合并各个节点的结果得到所有频繁项目集。介绍了MREclat的设计思想,研究了算法的运行性能。实验结果表明,MREclat算法效率大约是PEclat算法的2倍,加速比性能比PEclat算法提高了64%。     

基于SIMD指令的ECC攻击算法研究

ECC是目前比特安全强度最高的公钥密码体制,对它的攻击需要大量的计算资源.基于SIMD指令和bitslice数据结构设计了GF(2m)上的ECC攻击算法,并对核心模块进行了优化.利用比特交换的方法提出了一个bitslice数据结构和非bitslice数据结构的快速转换算法,计算复杂度为O(nlogn),对算法简单调整后可适用于二元矩阵的快速转置;利用Karatsuba-Ofman算法和Montgomery并行求逆对椭圆曲线底层运算进行了优化,分析了计算复杂度.对ECC挑战中的ECC2-109和ECC2-131进行了测试,在单核Pentium 4 3.0GHz平台上的迭代速度分别为1 330 000次/s和980 000次/s,攻击效率比Chris Monico的公开程序提高了1倍.     

基于改进SSD的高效目标检测方法

为改善一阶段目标检测算法检测精度较差的缺陷，提出一种基于SSD的高效多目标定位检测算法FSD。该算法主要从两个方面对一阶段目标检测算法进行改进：设计了一个更高效的密集残差网络，即R-DenseNet，通过采用一种更窄的密集网络结构形式，在保持特征提取容量的同时降低了计算复杂度，从而提高了算法的检测和收敛性能；改进了损失函数，通过抑制易分样本在损失函数中的权重，提高算法的鲁棒性，改善了目标检测中样本失衡的现象。采用Tensorflow深度学习框架部署网络，并在搭载Nvidia Titan X的Ubuntu上开展实验，实验表明FSD在COCO和PASCAL VOC这两个目标检测数据集上上都取得了最高的检测精度，其中FSD300D的检测精度相比SSD300有3.7%提升，检测相率比SSD有10.87%提升。     

一种平面点集Voronoi 图的细分算法

Voronoi 图是计算几何中的重要概念之一,在计算机图形学、计算几何、 计算机辅助几何设计、有限元网格划分、机器人轨迹控制、模式识别、气象学和地质学研究 中得到广泛应用。借助于四叉树和区间算术,提出了一种新的构造平面点集Voronoi 图的细 分算法, 并且和经典的增量算法、栅格扩张法进行了比较, 结果显示新细分算法更为有效。 最重要的是细分算法原理简单,很容易编程实现。