拉曼光谱结合Adaboost算法的食源性致病菌分类识别

食源性致病菌的检测分类一直是食品安全领域的重要研究对象,与传统的病原菌分类方法相比,基于拉曼光谱的分类识别方法具有更高的灵活性和准确性。实验以常见食源性致病菌的拉曼光谱为对象,利用11种病原菌的132条光谱数据,提出一种基于主成成分分析(PCA)和线性判别分析(LDA)的Adaboost集成分类识别模型。实验结果表明,该集成模型不仅优于传统的病原菌分类方法,而且分类准确率比决策树、支持向量机和logistic回归等单一算法模型更高,可以有效地对食源性致病菌进行分类,且分类准确率达到99.23%。     

基于多代理的网格任务调度研究

随着网格技术的发展,代理技术近年来被用在网格的实现当中。多代理技术用分布式自主结构代替集中式的非自主性结构,具有更强的实时性,特别适合于动态调度,本文提出的网格任务调度系统就采用了多代理的体系结构。由于GLObus已经提供了网格操作系统的大部分功能,本系统构建在Globus之上。在充分利用底层Globus提供的功能并与之结合的基础上,在代理中加入人工智能、知识学习的方法和服务质量实现策略,对网格任务进行灵活智能的调度,实现更好的负载平衡并达到一定的服务质量。采用JATLite来创建该系统,利用该系统可以根据应用背景需求快速定制动态任务调度平台。     

基于XGBoost算法的新冠病毒拉曼光谱感染诊断

新型冠状病毒的出现给全球经济、公共安全等方面带来严重损失，快速且准确地诊断新冠病毒对控制疫情爆发尤为重要。将机器学习与拉曼光谱技术结合，选取157份(包含确诊和健康)血清样品对应的拉曼光谱数据作为样本。首先使用Min-max方法对样本数据归一化、Savitzky-Golay方法对光谱平滑滤波和线性判别分析方法LDA对光谱数据降维处理后，分别使用XGBoost、K近邻、支持向量机、逻辑回归算法构建预测模型。实验结果表明，相比三种传统的机器学习算法，基于集成算法XGBoost所构建的模型，对人类是否感染新型冠状病毒具有最高的预测准确率，且准确率达到95.6%,为生物医学检测新冠病毒提供一种无损辅助的方法。     

网格环境中基于SLA的本地任务调度算法

在服务网格中为用户提供满足SLA（service level agreement）的服务，是实现网格“非凡的服务质量”的一个重要的研究问题。本文提出了网格本地资源基于任务SLA的调度算法，给出了算法的数学模型和描述。在基于Java的网格环境调度模拟器中对算法进行了验证，该算法能实现满足用户SLA约束的调度，为满足全局的服务质量水平提供本地调度支持，对提高网格服务质量水平具有实际意义。     

基于代理的OGSI网格调度系统研究

提出了基于OGSI的网格系统架构，针对网格特点将静态代理和移动代理应用到网格调度行为当中，给出了代理与网格服务在系统中的交互流程，讨论了代理调度迁移问题。     

基于随机森林算法的食源性致病菌拉曼光谱识别

药品食品的安全问题一直是人们关注的重点。相比于传统的食源性致病菌光谱检测方法,拉曼光谱法具有检测范围广、检测灵活、光谱特征突出等特点。本文以常见的食源性致病菌为研究对象,利用拉曼光谱仪采集了11种食源性致病菌样品的132个拉曼光谱数据,提出了一种基于主成分分析和随机森林算法的分类模型。实验结果表明,主成分分析结合随机森林算法的分类模型可以将食源性致病菌区分开,且分类准确度可达到91.36%。     

一种用于网格服务部署的拓扑模型

网格可以看成是一种新兴的基础设施，它为大型的网络服务提供相应的资源支持，即组织大规模分布式的资源，包括计算能力、存储资源和带宽等。网格需要解决网络的异构性、动态性和伸缩性等问题，尤其是网格服务的部署；而网格服务部署的关键是网络拓扑。文中提出了一种用于网格服务部署的拓扑模型。该模型有明显的简单性，且具有动态的、可伸缩的特点，也考虑到了网络的异构性，可以描述那些有不对称链路、防火墙、非IP网络、非分层拓扑等复杂情况的网络拓扑。同时还给出了相应的XML描述。     

一种用于网格服务部署的拓扑模型

网格可以看成是一种新兴的基础设施,它为大型的网络服务提供相应的资源支持,即组织大规模分布式的资源,包括计算能力、存储资源和带宽等。网格需要解决网络的异构性、动态性和伸缩性等问题,尤其是网格服务的部署;而网格服务部署的关键是网络拓扑。文中提出了一种用于网格服务部署的拓扑模型。该模型有明显的简单性,且具有动态的、可伸缩的特点,也考虑到了网络的异构性,可以描述那些有不对称链路、防火墙、非IP网络、非分层拓扑等复杂情况的网络拓扑。同时还给出了相应的XML描述。