基于序列的G蛋白偶联受体-药物相互作用预测研究

准确预测G蛋白质偶联受体(GPCR)是否与药物(Drug)相互作用是新药开发的关键步骤之一。从时间和费用方面来说,通过生物实验的方法来确定GPCR-Drug是否相互作用的代价是昂贵的。因此,直接从蛋白质序列出发预测GPCR-Drug的相互作用具有重要的意义。提出了一种基于序列的GPCR-Drug相互作用预测方法:从蛋白质序列抽取进化信息特征;对药物抽取指纹特征;基于上述两种特征,使用基于证据理论的K近邻算法进行分类预测。在标准数据集上的实验结果表明了所述方法的有效性。     

一种基于Fisher鉴别极小准则的特征提取方法

特征提取是模式识别研究领域的一个热点．为了更好地解决人脸识别中的特征提取问题，定义了一种新的基于Fisher鉴别极小准则的特征提取方法，并且提出了类间散布矩阵零空间的概念，解决了先前Fisher线性变换方法中的最终特征维数受类别数的限制．在人脸数据库上的实验结果验证了该算法的有效性．     

具有动态调节功能的Fisherface方法

高维、小样本数据的识别问题，始终是模式识别领域的热点和难点问题。由于训练样本数量很少，当以样本的协方差矩阵作为模式协方差矩阵的估计时，会产生较大的偏差。这是造成模式分类错误的主要原因。本文在详细论述Fisherface方法的基础上，提出了具有动态调节功能的Fisherface（DA-Fisherface）方法。该方法利用测试样本完成了对样本协方差矩阵的动态调节，减小了因样本数目很少所造成的偏差，从而实现了对Fisher鉴别矢量集的优化。最后，在ORL人脸库上的实验结果表明，该方法的模式分类正确率比Fisherface方法有显著提高。     

改进的模糊神经网络及其在人脸识别中的应用

对基于模糊神经网络的人脸图像分类器进行研究.将多输入单输出模糊推理系统改造成多输入多输出的模糊神经分类器,并提出了一种改进的模糊神经分类器,改进模型的计算量明显减少.在将模糊规则库与训练样本集对应的基础上提出了一种模糊隶属函数参数的初始化方法.该初始化方法的优点在于它充分利用了训练样本所包含的鉴别信息.在ORL人脸的原始图像空间中用上述方法设计分类器,获得了较好的实验结果.     

浅析成渝双城经济圈中毗邻地区生态环境应急管理的问题与对策——以2018—2021年遂宁市生态环境应急为例

成渝地区因为特殊的地理地形结构,生态环境应急形势严峻,尤其是毗邻地区生态环境应急管理工作任重道远。本文以2018年—2021年遂宁市环境应急管理工作为例,浅析生态环境应急存在的问题,建议以流域经济发展为基础,增强基层生态环境应急能力,加强协同治理,共建生态屏障。     

基于Contourlet域主成分分析的SAR图像去噪

相干斑噪声是合成孔径雷达图像所固有的,并且严重降低了图像的可编译性,影响了后续图像分割,特征提取,目标分类和识别等工作.因此,SAR图像的相干斑去除问题一直是SAR图像应用研究的重要问题之一.针对SAR图像噪声去除问题,提出了一种基于Contourlet多尺度分解域主成分分析的SAR图像去噪新方法,并且简要归纳了已有的SAR图像去噪方法.方法首先对源图像进行Contourlet分解,在不同频段的子带图像中,利用主成分分析方法进行能量保持,用重构图像来进行子带去噪,最后通过Contourlet逆变换得到去噪之后的图像.在SAR图像上的实验结果表明,方法不仅较好地保持了图像的纹理和细节特征,且信噪比也较高.     

基于Kernel-SOM的非线性系统辨识及模型运行收敛性分析

该文提出基于核SOM(Kernel-SOM)的非监督非线性系统辨识方法。在辨识误差和系统初始输入误差同时存在的条件下,对Kernel-SOM辨识模型独立运行的收敛性进行了理论分析,并给出了辨识模型运行收敛的定理。数字仿真表明了所述方法的有效性及收敛定理的正确性。     

一种基于ICA和模糊LDA的特征提取方法

独立成分分析(ICA)和线性鉴别分析(LDA)是两种经典的特征提取方法.为了更好地解决人脸识别中的特征提取问题,在已有的两种方法进行特征抽取的基础上引入模糊技术,抽取重叠(离群)样本中有助于分类的特征.首先用ICA进行初次特征提取,然后采用模糊k近邻方法得到相应的样本分布信息,最后在此基础上用模糊LDA进行二次特征提取,得到有效的特征向量集.在3个人脸数据库上的实验结果表明本文方法的有效性.     

基于样本分布相似度的期望分布鉴别分析

主分量分析(PCA)和线性鉴别分析(LDA)是模式识别领域使用广泛的两种特征抽取方法.本文针对两种方法的不足之处,并从样本分布相似度出发提出一种期望分布鉴别分析(EDDA)方法,抽取到的鉴别特征的总体分布和设定的期望分布最为相近.即通过EDDA得到的投影向量可以抽取出最接近理想分布的鉴别特征.EDDA在投影向量的求解问题上不存在小样本问题,抽取的鉴别特征维数小,并且整体识别性能得到增强.在ORL、Yale人脸库上的实验结果证明本文方法在人脸识别精度上优于PCA和LDA方法.     

改进的模糊神经网络及其在人脸识别中的应用

对基于模糊神经网络的人脸图像分类器进行研究。将多输入单输出模糊推理系统改造成多输入多输出的模糊神经分类器,并提出了一种改进的模糊神经分类器,改进模型的计算量明显减少。在将模糊规则库与训练样本集对应的基础上提出了一种模糊隶属函数参数的初始化方法。该初始化方法的优点在于它充分利用了训练样本所包含的鉴别信息。在ORL人脸的原始图像空间中用上述方法设计分类器,获得了较好的实验结果。