排列复杂性度量应用于脑机接口信号分析

在排列分划的基础上,应用Lempel-Ziv复杂性和最新定义的格子复杂性分析脑机接口信号.由于对非线性时间序列的排列分划进行了重要改进,使这种粗粒化方法具有了普遍的适用性.与经验模式分解结合,将排列分划与常用的均值分划作了比较.实验表明,基于排列分划的复杂性度量可以取得较好的效果,甚至超过了均值分划经经验模式分解所能达到的最好结果,说明排列复杂性度量可作为脑电信号分析的新方法,尤其适用于需要快速处理的场合-比如脑机接口.     

一种面向对象多态复杂性的度量方法

提出了一种类级多态复杂性和系统级多态复杂性的度量方法。该方法对强制多态、重载多态、类型参数化多态和包含多态这四种类型的多态进行分析,得出反映类的多态复杂性的量度,即强制多态复杂性（CCPP）、重载复杂性（CMC）、参数多态复杂性（CPMP）、包含多态复杂性（CCTP）;然后通过整合得到度量系统级的多态复杂性。实验证明,该方法能够正确有效地度量面向对象软件的多态复杂性。     

一种面向对象继承复杂性的综合度量

通过对面向对象系统和当前存在的面向对象度量方法进行分析,提取出与面向对象继承复杂性度量相关的量度。修改并整合这些量度,提出了一种类级继承复杂性和系统级继承复杂性度量方法。经过修改后得出反映继承复杂性的量度有：继承成员个数（NIM）、覆盖成员个数（NOM）、成员名重复数（NRN）、继承路径长度（LIP）、访问方式改变数（NMA）。由此,通过整合可以得到对类级继承复杂性和系统级继承复杂性度量方法。最后,通过与其他度量方法进行比较,说明了该方法对面向对象继承复杂性的度量更为适合。     

Ising图模型概率推理的参数化复杂性

Ising图模型概率推理的主要工作是通过变量求和来计算配分函数和边缘概率分布。传统计算复杂性理论证明Ising图模型精确概率推理是NP难的,并且Ising图模型近似概率推理是NP难的。研究了Ising图模型精确概率推理和Ising均值场近似概率推理的参数化复杂性。首先证明了不同参数的Ising图模型概率推理的参数化复杂性定理,指出基于变量个数或图模型树宽的参数化概率推理问题是固定参数可处理的。然后证明了Ising均值场的参数化复杂性定理,指出基于自由分布树宽、迭代次数和变量个数的参数化Icing均值场是固定参数可处理的;进一步,当Ising图模型参数满足Ising均值场迭代式压缩条件时,基于自由分布树宽和迭代次数的参数化Ising均值场是固定参数可处理的。     

NMR系统通信复杂性的分析与优化

该文针对传统表决算法通信复杂性高的问题,提出了将现有的 ＥＣＣ（ Ｅｒｒｏｒ Ｃｏｒｒｅｃｔｉｎｇ Ｃｏｄｅｓ）用于表决问题的算法,极大地减少了通信复杂性,取得了与传统表决算法同样的效果,从而实现ＮＭＲ（Ｎ Ｍｏｄｕｌａｒ Ｒｅｄｕｎｄａｎｔ）系统通信复杂性的优化。     

基于排列熵算法的混沌伪随机序列复杂性分析

运用排列熵算法分析了离散混沌系统产生的混沌序列和混沌伪随机序列的复杂性,讨论了混沌系统参数对序列复杂性的影响情况。研究表明：多次粗粒化后得到的混沌伪随机序列保持了原有混沌序列的复杂性特点;与Logistic系统和Henon系统相比,TD-ERCS系统产生的混沌伪随机序列的复杂性大且相对稳定,是一个极具密码学应用价值的安全混沌系统。     

时间复杂性和空间复杂性研究

计算复杂性是衡量问题求解的难易程度的。研究问题的计算复杂性,可以明确该问题是否存在有效的求解算法。介绍并分析了计算理论的一些基本概念,论述了时间复杂性（包括P、NP、NP-hard、NP-complete和EXPTIME）和空间复杂性（包括PSPACE、NPSPACE、PSPACE-hard和PSAPCE-complete）中的各个主要分类。最后分析了各个复杂性类之间的关系。     

基于可逆函数复杂性的正反控制门可逆网络综合

提出了基于可逆函数复杂性的正反控制(PNC, Positive/Negative ControD门可逆网络综合方法。该方法根据可逆函数的输出排列,逐次交换输出向量,在交换过程中减少函数的复杂性,直至复杂性为零。每一次向量的交换对应一个独立的PNC门。利用该方法综合部分可逆函数,并将实验结果与国际上代表性文献采用的实验用例进行比较。结果表明,构造的可逆网络在可逆门数上有一定程度的改善。     

统计遗传算法

本文讨论了遗传算法中框架定理的不足之处，并对之进行了改进，然后分析了遗传算法与Ａ算法的相似性，以及遗传算法的概率性质．由此联想到它与ＳＡ算法的相似性，在此基础上，作者将原先发展的一套ＳＡ算法的理论移植到遗传算法中来，建立一个新的算法，称之为统计遗传算法（简记为ＳＧＡ算法）．为适合于优化计算，作者引入最大值统计量及其对应的ＳＡ算法（简称为ＳＭＡ算法），并将ＳＭＡ算法与ＧＡ算法相结合（记为ＳＧＡ（ＭＡＸ）算法）．新的算法不仅提高了算法的精度和降低了计算的复杂性，而且能克服ＧＡ算法中出现“早熟”的现象以及提供进行并行计算的可能性．更主要的是新的方法为ＧＡ算法的精度、可信度和计算复杂性的定量分析提供了理论和方法上的有力工具.     

区域管制扇区复杂性指标构建及分析

运用协方差矩阵和系统聚类法对区域管制扇区复杂性指标间关系进行研究。基于对区域管制扇区结构和流量分布特征的分析,构建7个复杂性指标。以国内37个区域管制扇区数据为样本,结合可视化协方差矩阵阐明复杂性指标相关性。研究表明,区域各扇区面积相差悬殊（变异系数194.75%）,但流量在不同路径的分布均匀程度比较一致（变异系数9.02%）;扇区范围越大,往往流量在各路径上的分布越均匀（相关系数0.54~0.59）,但扇区流量反而越低（相关系数-0.06~-0.13）;以并类距离0.70为界,扇区复杂性指标分为静态和动态两类,且静态指标共性强于动态指标。     

符号序列间的LZ复杂性距离及其应用

在符号序列LZ复杂性的计算原理上,提出了序列间条件LZ复杂性的概念.基于条件LZ复杂性,定义了一个非空序列间的LZ复杂性距离并证明了该距离满足距离测度的4个基本性质.将LZ复杂性距离应用于计算语言学和生物信息学的研究领域,选取20种自然语言文本和29种有胎盘哺乳动物的全线粒体基因组,将它们视为不同符号集上的符号序列,分别计算两类符号序列的LZ复杂性距离矩阵.基于LZ复杂性距离矩阵,重构了20种语言的语言关系树和29种哺乳动物的系统进化树.其结果符合它们真实的演化关系,说明了LZ复杂性距离定量刻画符号序列间差异的有效性.     

A wavelet-based estimating depth of anesthesia

In this paper, an efficient method for quantifying the depth of anesthesia using underlying content of electroencephalogram (EEG) signal is presented. This method could be as an alternative instead of other clinical criteria such as pain reflex, auditory evoked potential, bispectral index scale (BIS) or amount of burst suppression. The proposed method is based on analysis of a single-channel EEG signal of patients during anesthesia, using wavelet transform. In order to use wavelet information, entropy is selected as the statistical tool. The obtained results suggest our method called Wavelet Coefficient Energy Entropy (WCEE) as a quantitative index for depth of anesthesia. To validate the introduced index, WCEE is applied to EEG signals of 22 people during the surgery and their determined indices are compared to BIS index, which is now a reference in anesthesia monitoring. The comparison results reveal a high correlation between WCEE index and BIS index during different anesthesia states. Moreover, WCEE values could precisely classify different anesthesia states with less computational burden than BIS index.     

基于LZ复杂性相似度的垃圾邮件识别

提出一个基于符号序列间LZ复杂性相似度的垃圾邮件识别方法。相比基于向量空间模型的邮件识别,邮件文本间的LZ复杂性相似度计算无需对文本进行预处理和特征提取。同时,K近邻规则的延迟学习特性适合于垃圾邮件样本需要动态调整的应用环境。在Ling-Spam邮件语料集上对提出的识别方法进行十重交叉验证,其总体的识别效果优于基于向量空间模型的部分统计和机器学习方法。     

基于模糊化符号复杂度的脑电运动想象识别算法

提出一种基于模糊化符号复杂度的运动想象脑电信号特征提取与识别方法。在脑电信号的复杂度细粒化多符号度量中引入模糊算法,用sigmoid函数模糊化处理,逻辑判断得到模糊化符号复杂度。取细粒化指数n为2,提取模糊化符号复杂度作为特征值,最后利用支持向量机对脑电运动想象任务进行分类识别。实验结果表明,以模糊化符号复杂度为特征的分类方法,对左右手运动想象脑电信号的分类识别率最高达88.67%,优于二值化Lempel-Ziv复杂度算法。     

二维耦合映象格子混沌序列的二值化及特性研究

基于二维耦合映象格子(CML)的时空混沌系统模型产生的混沌序列具有良好的伪随机特性.详细分析混沌序列的二值化方法、线性复杂度、平衡特性、游程分布及相关特性.结果表明,二维时空混沌序列比一维混沌序列、Logistic混沌序列具有更好的随机特性和更高的线性复杂度.     

On the P versus NP intersected with co-NP question in communication complexity

We consider the analog of the P versus NP∩co-NP question for the classical two-party communication protocols where polynomial time is replaced by poly-logarithmic communication: if both a boolean function f and its negation ¬f have small (poly-logarithmic in the number of variables) nondeterministic communication complexity, what is then its deterministic and/or probabilistic communication complexity? In the fixed (worst) partition model of communication this question was answered by Aho, Ullman and Yannakakis in 1983: here P=NP∩co-NP.We show that in the best partition model of communication the situation is entirely different: here P is a proper subset even of RP∩co-RP. This, in particular, resolves an open question raised by Papadimitriou and Sipser in 1982.     

改进粒子群BP算法的四六级翻译评分模型

针对四六级考试翻译题型, 给出了一种基于改进PSO-BP神经网络的评分方法. 通过BLEU和SVD等算法获取到文本特征值以及老师评分作为输入集, 然后用该集合对改进PSO-BP神经网络进行训练, 训练好的BP神经网络可以用来预测翻译分数. 从惯性权值计算和适应度函数两方面优化了PSO-BP算法, 在全局范围内寻找最优解, 使得实验效果更加稳定. 用Matlab进行了仿真实验, 结果表明, 在翻译评分中, 使用改进PSO-BP神经网络比采用多元线性回归能获得更好的相关性, 与人工评分的皮尔逊相关系数平均提高了12%.     

基于稀疏组lasso-granger因果关系特征的脑电信号情感识别

针对目前基于单一脑区功能性网络层面的特征提取,文中提出稀疏组lasso-granger因果关系方法.首先从效应性脑网络层面提取不同脑区之间的因果关系作为脑电特征,分别提取受试者α,β,γ脑电波段的granger因果特征值.然后引用稀疏组lasso算法对获取的granger因果特征值进行特征筛选,获得高相关性特征子集作为情感分类特征.最后使用SVM分类器进行情感分类.此外,为了减少计算时间复杂度,使用过滤特征选择(ReliefF)算法,选取有效的脑电信号通道.实验表明,文中方法在Valence-Arousal二维情感模型上获得较高的平均情感分类准确率,分类效果优于对比的脑电特征,提取的情感脑电特征可以有效识别受试者的不同情感状态.     

基于LANDMARC定位算法复杂度的分区算法改进

本文重点讨论研究了基于RFID的LANDMARC室内定位系统,然后在此基础上总结了原LANDMARC系统的不足,并针对LANDMARC系统中的算法复杂度进行分析,提出了一种分区算法来减小系统算法的复杂度.实验结果表明,相比原系统算法,改进后的算法在提高系统定位精度和定位性能的前提下,减小了算法总体的复杂度.