改进的牵引移动的蚁群算法在2D HP模型中的应用

蛋白质折叠问题就是从氨基酸序列中预测蛋白质的构象,该问题是生物信息学的一个突出问题。主要研究二维HP格点模型,它是用于模拟蛋白质折叠问题的一个具有代表性的简化模型,并且将蚁群算法用于求解该二维HP蛋白质的折叠问题。此外,在局部搜索机制中引入一种改进的牵引移动方法,这是一个提高蛋白质构象的有效方法。实验结果表明,针对较长的氨基酸序列,改进的带牵引移动的蚁群算法(ACO+)比ACO能够获得更低能量的构象,证明了所提出的改进蚁群算法是预测蛋白质结构的有效方法。     

基于改进的禁忌搜索的蛋白质三维结构预测

禁忌搜索算法是一种局部搜索能力很强的全局迭代优化算法,已经被成功地应用到各种组合优化问题中。基于AB非格模型,该文将一种改进的禁忌搜索算法应用于蛋自质三维折叠结构预测。实验结果表明改进的禁忌算法求得的蛋白质三维最低能量构形的最低能量值比已有的算法求得的最低能量值要低,同时三维构形中形成了一个疏水核,被亲水残基包围,反映了真实蛋白质的结构特征。该算法效率高,可以有效地用于蛋白质三维折叠预测。     

一种基于八叉剖分的近似曲率的边折叠简化算法*

为了提高三角网格模型简化的速度,满足实时显示的要求,并且有效地克服边折叠简化算法在低分辨率的状态下易丢失模型重要几何特征的问题,提出了一种基于八叉剖分的近似曲率的边折叠简化算法。采用八叉树结构自适应地分割网格模型空间,同时在各个区域中采用近似曲率的边折叠算法并行地进行边折叠操作。实验证明,该算法取得了不错的效果。     

一种基于二叉树的快速穷举化搜索算法

本文在构造具有方向导向性的完全二叉树的基础上,提出了一种适合研究蛋白质构象的格子模型快速穷举搜索算法,该算法通过使用序列分解、排列分类方法,将复杂度为2^m种的CN^m次搜索变成复杂度为m种的CN^m次搜索,大大提高了利用格子模型搜索蛋白质能量最低构象的速度。同时,由于二叉树良好的方向性,有效地避免了搜索的盲目性。     

格子模型的快速序列搜索算法

一种快速序列穷举搜索蛋白质构像空间的算法。该算法利用二分技术将HP序列逐次分解,保存分解过程的中间结果,使搜索算法中所需的计算量大大减少。     

禁忌搜索算法在蛋白质结构预测中应用

一种氨基酸序列只可能有一种蛋白质结构,所以在蛋白质理论预测中,正确定义能量函数、精确选用的计算机搜寻算法来寻找能量最低值,是蛋白质结构预测的关键。基于此,本文以两两残基之间距离分布和二面角分布符合玻尔兹曼定理,提出了一种抽象的蛋白质三维结构连续物理数学模型。然后应用了禁忌搜索算法很好的计算了牛胰岛素B(D)主链走向;比较计算了氨基酸序列最低能量的全局最优点。     

蛋白质HP模型的改进和PERM算法求解

HP模型是一种被广泛研究的简化的蛋白质折叠模型.在蛋白质螺旋结构的预测上有很高的可信度.但是HP的正方格点模型存在能量计算缺陷,影响其对链上特定结构的计算.针对这一缺陷,给出一种模型上的修正,引入了三角化的格点模型.利用求解格点蛋白质模型高效的算法PERM对通用算例进行了基于2-D三角格点模型的仿真计算.得到了紧密的蛋白质链折叠构型.构型最小能量比正方格点模型更低,得到的标准算例构型比较吻合实际蛋白质折叠的直观构型.计算结果验证了改进模型的有效性.对后续的研究提出了建议.     

基于局部区域面积度量的边折叠简化算法

目前提出的网格简化算法中,边折叠简化方法是一种主要的简化方法,在网格压缩、多细节层次模型生成、递进网格构造中得到了广泛的应用.本文在基于边折叠算法基础上引入局部区域面积度量方法,将其应用到折叠代价计算中,改变边折叠顺序以进行网格简化.实验表明,算法不仅能有效地保留原始网格的模型特征和视觉特征,速度更快而且能够合理地分配三角面片.     

基于代价函数三角网格模型动态简化的研究

模型简化是解决复杂三维模型存储、传输、实时绘制与硬件处理能力的局限性之间矛盾的主要方法。介绍了三角网格模型简化相关技术和算法。目前基于边折叠的三角网格模型简化算法边折叠计算复杂,没有有效进行动态简化,结合Garland的二次误差度量算法和Hoppe的累进网格算法,提出了基于代价函数的三角网格模型动态简化算法。     

基于子分规则的边折叠简化方法

边折叠简化方法是一种主要的三角网格简化方法，已成为多分辨率自适应曲面参数化，基于法向细节的几何压缩，渐进风格算法的重要组成部分，文中采用子分的思想生成三角网格模型的新顶点，从而减小了简化模型和原始模型之间的误差，此外，还给出保持模型流形的方法，最后给出一种新的计算简化网络与原发中网络之间的Metro距离的采样方法，并分析这个距离误差。     

Protein designability analysis in sequence principal component space using 2D lattice model

The number of proteins that fold into a certain structure differs drastically. The designability of a protein structure, which is defined as the number of sequences that have that structure as their unique lowest energy state, is studied in this paper using a simplified lattice model. The two-letter (HP) code and the pair-contact energy model are employed in the formulation of the relationship between the protein sequences and the compact structures. Due to the correlations between different dimensions, principal component analysis (PCA) is carried out to remove these correlations and develop reliable approximations of probability density functions of the protein sequences and the compact structures. An estimation of designability is derived using these probability density functions. Good correlation between estimated designabilities and those obtained through enumerative calculations is successfully achieved.     

SPADE: An Efficient Algorithm for Mining Frequent Sequences

In this paper we present SPADE, a new algorithm for fast discovery of Sequential Patterns. The existing solutions to this problem make repeated database scans, and use complex hash structures which have poor locality. SPADE utilizes combinatorial properties to decompose the original problem into smaller sub-problems, that can be independently solved in main-memory using efficient lattice search techniques, and using simple join operations. All sequences are discovered in only three database scans. Experiments show that SPADE outperforms the best previous algorithm by a factor of two, and by an order of magnitude with some pre-processed data. It also has linear scalability with respect to the number of input-sequences, and a number of other database parameters. Finally, we discuss how the results of sequence mining can be applied in a real application domain.     

The designability of protein structures

It has been noted that natural proteins adapt only a limited number of folds. Several researchers have investigated why and how nature has selected this small number of folds. Using simple models of protein folding, we demonstrate systematically that there is a "designability principle" behind nature's selection of protein folds. The designability of a structure (fold) is measured by the number of sequences that can design the structure--that is, sequences that possess the structure as their unique ground state. Structures differ drastically in terms of their designability. A small number of highly designable structures emerge with a number of associated sequences much larger than the average. These highly designable structures possess proteinlike secondary structures, motifs, and even tertiary symmetries. In addition, they are thermodynamically more stable and fold faster than other structures. These results suggest that protein structures are selected in nature because they are readily designed and stable against mutations, and that such a selection simultaneously leads to thermodynamic stability.     

基于属性的相对约简格快速渐进式构造算法

相对约简格作为简化的概念格,在数据挖掘和知识发现等领域具有广泛的应用.相对约简格的构造在其应用过程中是一个主要问题.本文提出了采用树结构对相对约简格节点进行组织,研究了基于属性的相对约简格渐进式构造算法.相对约简格节点的树结构组织可以约束更新格节点、产生子格节点及新生格节点的子结点的搜索范围,从而可以有效地减少算法的执行时间.该算法不仅为相对约简格的构造提供了一种方法,还解决了在已构造好相对约简格的前提下,增加属性所带来的更新问题.在随机生成的数据集上进行的实验测试表明,本算法的时间性能更优越.     

q-gram matching using tree models

q-gram matching is used for approximate substring matching problems in a wide range of application areas, including intrusion detection. In this paper, we present a tree-based model to perform fast linear time q-gram matching. All q-grams present in the text are stored in a tree structure similar to trie. We use a tree redundancy pruning algorithm to reduce the size of the tree without losing any information. We also use suffix links for fast q-gram search during query matching. We compare our work with the Rabin-Karp-based hash-table technique, commonly used for multiple q-gram search. We present results of experiments on system call sequence data used for intrusion detection.     

基于Petri网工作流模型展开树的路径序列相似性算法

在实际的数据迁移项目中,为了解决数据映射的问题,需要确定两个工作流模型之间的相似度。从工作流模型的相似性方面进行分析阐述,提出了基于Petri网的工作流模型展开树的路径序列相似性算法,首先采用深度优先搜索算法和动态规划算法对模型进行搜索,其次通过提出的算法获取展开树的所有路径序列,最后利用编辑距离算法计算两个模型序列之间的两两相似度,进而完成模型相似性计算,相较于其他的主流相似度算法,主要优点在于可以精确计算得到模型部分结构和行为相似度,可以更好的确定流程间映射,从而找到数据映射的解决方法。实验结果表明：该方法较主流的基于模型结构和行为相似性算法,计算合理性和准确性有很大提升。     

基于三角形不规则网模型的快速体素化方法

为了改善在大数据量时体素化效率不高的缺点,针对三角形不规则网（TIN）模型的三角网特性,提出了一种快速简单的体素化算法。首先通过细划三角面片,将面体素化转换为简单的点体素化生成体表面模型,然后利用深度缓存原理快速寻找初始种子体素进行体内填充。实验结果表明,对于精细复杂的大规模TIN模型,算法能确实有效地生成逼近原模型的26-连通的体素模型,且具有高效的时间效率。     

采用改进Levenberg-Marquardt法的快速弹性运动估计

弹性运动估计是近年来出现的一种有效的时间维视频预测编码技术,但其基于高斯-牛顿法的优化求解仍存在计算量高、收敛不稳定的问题.为此提出一种基于改进Levenberg-Marquardt（L-M）法的弹性运动估计算法.首先,根据弹性基函数和黑塞矩阵的数值对称性,给出了L-M黑塞矩阵的快速计算方法,将其计算量降低了62.5%.其次,通过理论和实验分析发现,L-M对角矩阵阻尼系数的更新因子对弹性运动估计性能有明显影响,进而采用最近2次迭代的搜索步长的平方商自适应地确定更新因子,并对该阻尼系数进行正、负交替更新.实验结果表明,对于具有不同空间分辨率和场景特点的视频序列,算法始终能够保持较高的估计精度,运动补偿的平均峰值信噪比较之基于块平移模型的全搜索和基于改进高斯-牛顿法的弹性运动估计分别提高2.54dB、1.77dB.并且,所提算法收敛速度快,一般只需1~2次迭代就能取得高于传统弹性运动估计和块平移全搜索的峰值信噪比.