CPL: Detecting Protein Complexes by Propagating Labels on Protein-Protein Interaction Network

Proteins usually bind together to form complexes, which play an important role in cellular activities. Many graph clustering methods have been proposed to identify protein complexes by finding dense regions in protein-protein interaction networks. We present a novel framework （CPL） that detects protein complexes by propagating labels through interactions in a network, in which labels denote complex identifiers. With proper propagation in CPL, proteins in the same complex will be assigned with the same labels. CPL does not make any strong assumptions about the topological structures of the complexes, as in previous methods. Tile CPL algorithm is tested on several publicly available yeast protein-protein interaction networks and compared with several state-of-the-art methods. The results suggest that CPL performs better than the existing methods. An analysis of the functional homogeneity based on a gene ontology analysis shows that the detected complexes of CPL are highly biologically relevant.     

互联网金融平台中高违约风险用户识别算法

在我国金融科技不断创新的背景下,互联网金融平台中通过网络分析技术开展用户风险识别已经成为当前的热点技术发展方向。以某互联网金融平台的用户交易数据为对象,通过分析其中借贷逾期违约的传播行为,提出通过传播特征构建模型算法识别互联网金融平台的高风险用户。在构建基于阈值传播和随机传播的SIS模型和SIR模型基础上,将模型转换为可评价用户风险值的算法,并进一步与实际违约数据进行验证对比。对比结果显示在前5%和10%高风险群体划分条件下,算法具有较高的召回率和良好的结构关联性。     

基于CT扫描的致密砂岩脆性破坏裂纹扩展规律研究

岩石在荷载作用下产生宏观破坏,其破裂面细观形态变化可以直接地反映出结构破坏特征。目前,常采用扫描电镜法、透镜法和CT扫描技术对岩石细观结构进行表征。运用CT扫描技术对典型脆性岩样单轴压缩破坏后破裂面及全断面进行扫描,获取全断面的细观形态,分析和总结了典型脆性岩样破坏细观裂纹扩展的发展规律:每一条独立裂纹都以一恒定曲率半径系数K随层位向试样内部扩展,直至裂纹曲率半径趋近于无穷。此时若无其他因素影响,其曲率半径则不会再随层位继续扩展;并通过分析定义出岩石脆性破坏状态时裂纹的聚集域和非聚集域,同时根据能量守恒定律得出了衍生裂纹及新次生裂纹产生的判据。     

Propagation of the Chain Explosive‐Decomposition Reaction in Silver Azide Crystals

The velocity of the chain explosivedecomposition reaction in silver azide whiskes has been measured (1500 m/sec). The measured velocity is identified as the propagation velocity of the diffusion front of holes generated in the course of explosive decomposition.     

Role of atomic hydrogen diffusion in a hydrogen flame

A numerical modeling study of the propagation of a laminar flat homogeneous gas flame has shown that in a hydrogen-air flame, a rapid increase in the concentration of OH radicals begins in the range of low temperatures and the concentration profile has two maxima. The first maximum in the low-temperature region of the front is related to the diffusion of H atoms, formation of HO₂ radicals, and the quadratic branching reaction H + HO₂ → OH + OH. The second maximum in the OH concentration profile is due to the classical high-temperature branching reactions H + O₂ → OH + O and O + H₂ → OH + H. __________ Translated from Fizika Goreniya i Vzryva, Vol. 43, No. 2, pp. 3–9, March–April, 2007.     

石墨材料的疲劳

对迄今前人在石墨材料上所开展的疲劳研究工作进行了综述，以不同的疲劳设计方法为线索，一方面通过对石墨寿命评价的S-N曲线来分析石墨的疲劳行为；另一方面从疲劳裂纹扩展的角度来分析在外应力作用下有预制裂纹的石墨的疲劳行为。总结了石墨疲劳研究的主要进展，归纳了石墨疲劳研究中的关键问题，在此基础上对石墨材料的疲劳研究前景进行了展望。     

云环境下基于神经网络和群搜索优化的资源分配机制

在云环境下,各种闲置资源可以通过池化形成资源池,进而利用虚拟化技术将资源池中的不同资源组合以服务的形式提供给用户使用,因此需要合理而有效的机制来分配资源.针对云环境下资源的特点,将经济学和智能方法相结合,提出了一种基于双向组合拍卖的智能资源分配机制.在该机制中,提出了基于体验质量（quality ofexperience,简称QoE）的威望系统,引入威望衰减系数和用户信誉度,降低拍卖中恶意行为造成的影响,为资源交易提供QoE 支持.对拍卖中的竞价决策,综合考虑多种因素,提出了基于BP 神经网络的竞标价格决策机制,不仅可以合理确定竞标价,而且使价格可以动态适应市场变化.最后,由于组合拍卖胜标确定问题是NP 完全的,因此引入群搜索优化算法,以市场盈余和总体威望为优化目标,得到资源分配方案.仿真研究结果表明,该机制是可行和有效的.     

基于神经网络的PP/CaCO3复合材料的力学性能预测

研究利用BP网络建立了对PP/CaCO3复合材料性能进行预测的模型,并在此基础上建立了PP/CaCO3复合材料拉伸强度、冲击强度和复合态结构之间的关系.结果表明,该模型有着较好可信度,与实验现象也有着较好的符合;利用该模型证明了分散相粒子粒间距、EPDM层厚度是影响其材料冲击强度,并决定其脆-韧转变的最重要因素,并证明了EPDM层厚度的临界值大约在0.05μm左右.     

一种粗细粒度结合的动态污点分析方法

针对当前污点分析工具不能兼顾速度和精确度的缺陷,研究并实现一种粗细粒度结合的二进制代码动态污点分析方法。对比粗粒度污点分析和细粒度污点分析的实现过程,提出两者结合的新型分析框架。预先在线执行粗粒度污点分析以筛选有效指令,之后离线执行细粒度污点分析以计算污点信息。根据粒度的差异分别建立粗细粒度污点数据的引入标记方法,制定粗细粒度条件下的数据流和控制流传播策略,设计离线轨迹记录结构作为粗细粒度污点分析的传递文件。在原型系统上的测试结果表明,该方法通过在线粗粒度模式保证了污点分析信息采集的快速性,同时采用离线细粒度模式以合理的时间消耗提升了污点分析的精确度。     

面向大规模数据的分层近邻传播聚类算法

近邻传播(Affinity Propagation,AP)聚类具有不需要设定聚类个数、快速准确的优点,但无法适应于大规模数据的应用需求。针对此问题,提出了分层近邻传播聚类算法。首先,将待聚类数据集划分为若干适合AP算法高效执行的子集,分别推举出各个子集的聚类中心;然后对所有子集聚类中心再次执行AP聚类,推举出整个数据集的全局聚类中心;最后根据与这些全局聚类中心的相似度对聚类样本进行划分,从而实现对大规模数据的高效聚类。在真实和模拟数据集上的实验结果均表明,与AP聚类和自适应AP聚类相比,该方法在保证较好聚类效果的同时,极大地降低了聚类的时间消耗。