Unsupervised Learning of Multiple Motifs in Biopolymers Using Expectation Maximization

The MEME algorithm extends the expectation maximization (EM) algorithm for identifying motifs in unaligned biopolymer sequences. The aim of MEME is to discover new motifs in a set of biopolymer sequences where little or nothing is known in advance about any motifs that may be present. MEME innovations expand the range of problems which can be solved using EM and increase the chance of finding good solutions. First, subsequences which actually occur in the biopolymer sequences are used as starting points for the EM algorithm to increase the probability of finding globally optimal motifs. Second, the assumption that each sequence contains exactly one occurrence of the shared motif is removed. This allows multiple appearances of a motif to occur in any sequence and permits the algorithm to ignore sequences with no appearance of the shared motif, increasing its resistance to noisy data. Third, a method for probabilistically erasing shared motifs after they are found is incorporated so that several distinct motifs can be found in the same set of sequences, both when different motifs appear in different sequences and when a single sequence may contain multiple motifs. Experiments show that MEME can discover both the CRP and LexA binding sites from a set of sequences which contain one or both sites, and that MEME can discover both the –10 and –35 promoter regions in a set of E. coli sequences.  

区块链技术发展现状与展望

区块链是随着比特币等数字加密货币的日益普及而逐渐兴起的一种全新的去中心化基础架构与分布式计算范式, 目前已经引起政府部门、 金融机构、 科技企业和资本市场的高度重视与广泛关注. 区块链技术具有去中心化、 时序数据、 集体维护、 可编程和安全可信等特点, 特别适合构建可编程的货币系统、 金融系统乃至宏观社会系统. 本文通过解构区块链的核心要素, 提出了区块链系统的基础架构模型, 详细阐述了区块链及与之相关的比特币的基本原理、 技术、 方法与应用现状, 讨论了智能合约的理念、 应用和意义, 介绍了基于区块链的平行社会发展趋势, 致力于为未来相关研究提供有益的指导与借鉴.  

聚类融合方法综述

在分类算法和回归模型中，正广泛而且成功地使用着融合方法，该方法能克服分类、回归中的不稳定性，并给出较好的结果。在非监督机器学习领域，由于缺乏数据集的先验知识，所以分类和回归中的融合方法就不能直接用于聚类算法，这导致了该领域中对融合方法研究的起步较晚；近几年的研究和实验表明，聚类融合方法能很好地提高聚类算法的鲁棒性和稳定性。对近年来聚类融合的方法进行了综述，阐述了近年来对聚类融合方法进行研究的主要内容与特点，并讨论了聚类融合方法的研究方向。  

多个体协调控制问题综述

对多个体协调控制问题的研究现状进行综述. 介绍了多个体协调控制领域的基本问题, 并结合系统中网络与动力学不确定性, 对该领域当前的研究热点和前沿进行分析阐述. 进一步, 对工程中广为应用的Euler-Lagrange系统协调控制最新研究成果进行归纳总结. 最后指出该研究领域存在的问题及今后的研究方向.  

一种基于结构特征边缘的多传感器图像配准方法

图像配准是多传感器图像融合等处理的前提. 本文以包含人造目标的合成孔径雷达(Synthetic aperture radar, SAR)图像和可见光图像为处理对象, 提出了一种基于结构特征边缘的多传感器图像配准方法. 该方法提取人造目标在两类图像中表现的共性特征---结构特征边缘, 并基于边缘匹配构造虚拟角点, 采用基于特征一致的粗配准方法和基于虚拟角点的精配准方法, 对待配准图像实现由粗到精的自动配准. 实验结果表明, 本文方法能够取得较高的配准精度.  

群决策支持系统中的一致性分析技术

提出一些在群决策支持系统（ＧＤＳＳ）中支持协调员引导群体意见趋向一致的技术和方法。协调员利用决策群体成员所表达的模糊偏好数据计算出广义距离等一些软评价指标，能够获得群体意见一致程度和群体意见分歧程度等信息，发现“联盟”的子群体和存在严重意见分歧的决策备选对象等，从而掌握决策过程并引导群体意见趋向一致。结合一个应用实例说明如何使用该分析技术优化群决策过程。  

一致性多传感器数据融合方法的改进

多传感器数据融合是指将经过集成处理的多传感器数据进行合成，形成对外部环境某一特征的一种表达方式的过程。本文首先介绍了Ｌｕｏ［１］的一致性多传感器数据融合方法。然后，针对Ｌｕｏ方法的不足之处，改进了一致性融合方法。该改进方法计算量小，能简便、快速地确定一致性的传感器数据。  

带丢包一致性滤波算法研究

提出了一种基于一致性的分布式滤波算法, 针对实际应用中存在的网络丢包问题, 重点研究了有丢包时的分布式滤波算法, 通过理论分析给出了估计误差系统收敛的充分条件. 应用数值仿真将本 文提出的算法与已有的经典滤波算法分别在理想状况与有丢包状况时进行比较, 研究表明本算法在丢包时具有较优的滤波效果. 并进一步研究了一致性步长对估计误差协方差的影响, 发现存在估计误差达到最小值的最优步长. 最后, 研究了丢包率对算法的影响, 发现起``领导'作用的传感器在滤波时发挥重要作用, 可通过控制这些传感器的丢包率来减小丢包对整个网络系统的影响.  

Multi-vehicle consensus with a time-varying reference state

In this paper, we study the consensus problem in multi-vehicle systems, where the information states of all vehicles approach a time-varying reference state under the condition that only a portion of the vehicles (e.g., the unique team leader) have access to the reference state and the portion of the vehicles might not have a directed path to all of the other vehicles in the team. We first analyze a consensus algorithm with a constant reference state using graph theoretical tools. We then propose consensus algorithms with a time-varying reference state and show necessary and sufficient conditions under which consensus is reached on the time-varying reference state. The time-varying reference state can be an exogenous signal or evolve according to a nonlinear model. These consensus algorithms are also extended to achieve relative state deviations among the vehicles. An application example to multi-vehicle formation control is given as a proof of concept.  

基于主观逻辑理论的网格信任模型分析

网格环境下如何为应用程序选择可靠的服务是一个关键问题.借鉴人类社会建立推荐信任模型的方法,提出以服务提供的服务质量属性为参考元素,引入基于服务质量的偏序关系建立基本可信度函数,考虑不同网格结点之间的历史交互信息中的不确定性,将历史交互信息转化为结点之间的推荐偏好意见,并采用衰减算子和融合算子综合来自不同网格结点的推荐信息.针对服务选择时产生的负载不均衡的现象,采用轮盘赌的方法进行服务选择.最后分析和仿真实验证明该模型的有效性.