融合人工鱼群机理的PPI网络聚类模型与算法

预测蛋白质交互作用(Protein-Protein Interaction,PPI)网络中未知蛋白质的功能,是生物信息学的一个研究热点.目前基于功能流的方法能有效地解决PPI网络的聚类问题,但是其正确率偏低、时间复杂度较高.为此提出了一种融合人工鱼群机理的PPI网络聚类模型与算法:将人工鱼看作一组聚类中心,觅食行为是指从每个聚类中心开始向它的邻接结点搜索并添加结点到该聚类模块中;接下来将目标函数值最大的人工鱼对应的一组聚类模块看作初始的聚类结果,对应鱼群的追尾行为;剩下的人工鱼开始执行聚群行为,判断对应的聚类模块与初始的聚类结果之间的相似度.如果相似度低于给定的阈值,则将聚类模块添加到初始的聚类结果中.PPI数据集上的仿真实验表明,该算法可以自动确定聚类数目,而且聚类结果的正确率和算法的运行效率都优于功能流算法.     

银行业数据仓库的性能优化方法

首先说明了数据仓库的特点和结构及性能优化技术;然后结合银行业数据仓库的特点,提出了在银行业数据仓库系统开发中提高系统性能的几种设计方法。实践证明,在系统开发过程中,合理运用这些方法,可大大提高数据仓库系统的性能。     

无须附加空间的数据立方体联机聚集

以往在数据立方体上实现的联机聚集往往需要附加空间来存储联机聚集估算所需要的信息,极大地影响了数据立方体的存储和维护性能.提出了基于QC-Tree的用于范围查询处理的联机聚集PE(progressively estimate)算法以及它与简单聚集算法相结合的混合聚集算法HPE(hybrid progressively estimate);还提出了一种能够同时处理多个范围查询的联机聚集算法MPE(multiple progressively estimate).与以往联机聚集算法不同,这些算法不需要任何附加空间,而是利用QC-Tree自身保存的聚集数据和语义关系来估算聚集结果.由于QC-Tree是一种极为高效的数据立方体存储结构,因此能够以较理想的性能实现数据立方体上的联机聚集.对算法的分析和实验结果表明,所提出的算法具有较好的性能.     

电子邮件病毒传播仿真模型及影响因素模拟

通过对传统sEIR模型进行扩展和修正,建立了一个适合模拟电子邮件（E-mail）病毒在网络系统内扩散的E-sEIR模型,并以此为基础研究了E-mail用户的邮件信息处理行为和反病毒技术支持等关键因素对E-mail病毒扩散的影响.从实验结果看,E-SEIR模型能够很好模拟E-mail病毒在网络系统中的扩散过程,同时也可用于E-mail信息网络中环境参数和某些病毒控制策略的模拟和评价.     

不锈钢行业巨头聚集澜石

山西太钢、上海宝钢、宁波宝新、张家港浦项、广州联众、台湾烨联等20多家著名不锈钢生产企业争相进驻澜石。“不锈钢专业镇”澜石正走上一条“以商引商”的良性发展轨道。     

企业在盘活城市存量土地中的潜力

一、企业用地的特点1.占地面积大,土地收益小城市化过程中为获得“聚集经济效益”而驱使企业向城市集中已成为一个普遍现象。企业向城市集中,引起企业用地的扩张,在我国城市中,工业企业用地占城市用地的比重达20%-30%,而美国54个城市工业企业用地占城市总用地不足10%。企业用地     

钢的半固态单轴压缩变形规律

用Gleeble-1500热模拟实验机研究了不同变形速率、不同变形温度以及不同变形量下60Si2Mn钢的半固态应力与应变的变化规律，并通过金相观察分析了压缩变形后钢的半固态显微组织。结果发现钢的半固态压缩变形特征为：随着变形温度的不同呈粘塑性流动；在不同的变形速率下，初始变形阶段的应力变化是基本一致的，即半固态的钢先呈现出线弹性的变形响应，随后呈现出不同软化程度的粘性流动变形响应；变形量对钢的半固态变形特征影响显著。在适宜的温度及变形量范围内，半固态的钢呈粘性流动。笔者认为：半固态的钢因其特殊的组织特点，会形成疏松且不稳定的晶粒聚集结构。在外界作用下，该聚集结构将被破坏，从而导致钢的半固态浆料的表观粘度下降，即呈现出“剪切变稀”的触变特性。     

吉格森构造带油气分布与聚集规律

通过构造格局研究、沉积相及储集特征研究、储集层预测评价、储集层分布发育特点、油气水分布聚集规律及影响因素分析，认为吉格森构造带面向生油洼槽，良好的沉积砂体、发育的构造图闭与之相匹配，使之成为额仁淖尔凹陷的主要油气聚集带。据此指导油田滚动勘探开发，寻找出数百万吨地质储量，使构造带成为千万吨级大油田。     

中文语义网络的UML对象建模

介绍了一个汉语语义知识表达框架——语义网络，分析了语义网络的知识表示和逻辑推理，结合面向对象的描述语言UML(统一建模语言)对中语义网络进行了模型的描述。     

基于数据流的近似查询计算及其应用研究

通过分析基于实化聚集视图的查询重写方法，将相关的查询计算理论与数据流的查询相结合，针对数据流的特征，给出了一种具有广泛应用前景的基于数据流的近似查询计算方案。