基于元分析的差异表达基因识别

针对传统差异表达基因分析方法使用单一数据集,不能处理异质性特性数据集、分析结果偏差大的问题,提出了联合驱动排除的概念,设计实现一种使用多研究数据集的元分析算法。应用公共数据库GEO中GDS2490和GDS2491数据集对设计的算法与微芯片显著性分析方法进行了对比。实验结果表明:设计的算法可以对数据集实行联合驱动排除,与微芯片显著性分析方法相比,可以有效分析异质性特性的数据集,准确找到差异表达的基因,验证了算法的有效性。该方法为差异表达基因识别提供了新思路。     

暂态混沌神经网络在蛋白质关联图预测中应用研究

蛋白质结构预测是生物信息学的一个主要研究方向,而蛋白质关联图预测是其中的一个重要内容.针对蛋白质关联图预测问题,提出一种暂态混沌神经网络实现方法,所提出的方法具有暂态混沌特性和平稳收敛特性,能有效避免传统Hopfield 神经网络极易陷入局部极值的缺陷.它通过短暂的倒分叉过程,能很快进入稳定收敛状态.仿真结果表明:暂态混沌神经网络解决蛋白质关联图预测问题时,总能收敛到全局最优或几乎接近全局最优,同时具有更高的搜索效率.这种方法预测精度达到0.27,比随机预测器高9倍.     

最坏情况下#3-SAT问题最小上界

最坏情况下#SAT问题上界的研究已成为一个热门的研究领域.#SAT问题的时间复杂性是根据问题实例的大小所组成的函数计算所得.#SAT问题实例的大小不仅依赖于变量的数量,还依赖于子句的数量.以子句数量为参数研究#SAT问题在最坏情况下的上界,不仅可以从另一个角度衡量算法的好坏,而且在某种程度上更能准确地反映出算法的性能.首先从子句数量的角度证明了之前提出的基于扩展规则的模型计数算法(CER算法)的上界O(2m),其中m是公式中子句的数量.为了提高#3-SAT问题的求解效率,采用了多种分裂规则,进一步给出了一种基于Davis-Putnam-Logemann-Loveland(DPLL)的#3-SAT算法MCDP.通过分析该算法得到了以子句数量为参数的#3-SAT问题在最坏情况下的上界O(1.8393m).     

一种新的最小二乘支持向量聚类

针对传统支持向量聚类的低性能和高耗费问题,提出最小二乘支持向量聚类(LSSVC)模型,设计自适应参数化方案。模型中包括两步簇划分算法和快速训练算法。前者对支持向量和非支持向量分别进行划分,后者采用增量方式,每次增量对应聚类模型的双向学习过程。实验结果证明,LSSVC可有效提高同类算法的效率,具有良好聚类能力,当数据增量为工作集大小的10%时,算法可在时间耗费和聚类准确率之间取得良好的平衡。     

基于快速模糊规则搜索的快速模糊系统建模

本文提出了一种基于快速模糊规则搜索的快速模糊系统建模方法,首先使用本文提出的快速模糊规则搜索方法进行模糊规则的粗略搜索,然后基于所得到的模糊规则集建立模糊神经网络模型,即利用规则前件确定网络结构,规则后件初始化部分网络权值。使用遗传算法对网络模型的权值和阈值进行学习训练。实验结果验证了快速模糊系统建模方法在描述较大规模非线形系统中的实用性和有效性。     

基于简单统计排名模型的差异表达基因识别

不同实验条件下差异表达基因(DEGs)的识别是微阵列数据分析的主要目标之一,针对分析结果中具有高排名的基因往往表现出较低差异表达水平的缺点,提出了一种基于简单统计排名模型的差异表达基因识别算法MRP(Matrix rank product)。算法可直接处理基因芯片原始数据,排除了数据预处理方法对算法的干扰;另外,通过对基因芯片数据形成的矩阵进行整体排序计算,得到具有高准确度的差异表达性排名结果。     

PSO的向量整体修订策略和局部跳出策略

针对传统PSO方法对CEC2005(The 2005 IEEE Congress on evolutionary computation)中的25个benchmark函数搜索效果较差的问题,提出了"向量整体修订"和"局部跳出"两种改进策略。改变PSO方法中粒子在每一维上的修订相互独立的传统机制,按某一概率将粒子作为整体进行修正,当群体最优长时间不变或变化值小于一定阈值时,为跳出局部最优,按某一概率重新定义群体最优或初始化群体。通过实验证明了改进后的PSO方法对CEC2005中的测试问题的有效性。     

一种新的量子群进化算法研究

提出了一种基于量子进化的量子群进化算法，使用量子角表示量子比特的状态，并引入改进的粒子群优化策略，对量子群中各量子的量子角进行自适应动态调整．在对0-1背包问题的求解中，表现出很好的性能．     

基于遗传算法的Rosenbrock函数优化问题的研究

本文利用遗传算法研究了极小化Rosenbrock函数的问题．较多的计算机模拟实验结果表明，遗传算法可以有效地解决这一问题．文中还分析了一些改进的遗传算法对于该问题搜索速度的影响，得到了适于解决此问题的合理的遗传操作，从而为有效地解决最速下降法所不能实现的某一类函数代化问题提供了一种新的途径．     

高维空间中用计算街区和棋盘距离的线性组合代替计算欧氏距离

在高维空间中点的超球范围查找问题是 :已知一个高维数据点集 ,输入一个点和半径数值 ,询问所确定超球范围内包含有给出点集中哪些点 .考查了解决这个问题时利用计算街区和棋盘距离的线性组合代替计算欧氏距离的方法 .这一方法由于减少了乘法计算而明显地可以提高效率 .为提高计算精度 ,对如何选择构造线性组合时的系数进行了深入分析 ,提出了使选择系数达到上、下确界或最优值的计算方法 .为提出的方法设计了实现算法并进行了运行实验 .结果表明方法是有效的 ,可以应用到有关高维空间中距离计算的广泛问题中