BMBQA:融合MCNN和BiGRU的蛋白质模型质量评估算法

蛋白质模型质量评估是指对计算手段预测出的蛋白质结构进行评分,以选择尽可能接近天然结构的蛋白质模型,这对在蛋白质结构预测中挑选最优的蛋白质模型和在生物医学研究中恰当使用它们起到至关重要的作用.随着3D蛋白质数据的不断增长,基于深度学习的蛋白质模型质量评估方法得到了快速发展,但该领域只探索了深度学习方向较浅层的应用.本文为了探索更精确的质量评估方法,提出了一个基于多尺度卷积(MCNN)和双向门控循环神经网络(BiGRU)的深度模型,预测蛋白质模型的GDT＿TS(Global Distance Test＿Total Score)分数,并将这一方法命名为BMBQA(Quality Assessment Base on MCNN-BiGRU).其中,多尺度卷积神经网络用来提取蛋白质模型中浅层的细节信息以及深层的抽象信息,双向门控循环神经网络用来提取每个残基的长程相互作用信息,通过数据增强来提高深度模型在目标蛋白质中挑选最优蛋白质模型的性能.本文利用CASP13中的数据集与现有的先进方法进行比较,实验结果表明本文方法在4个经典的评价指标中均具有很强的竞争力.     

基于MPQM模型的IPTV视频质量实时评估算法

针对实时测量和评估IPTV视频质量的迫切需求以及当前主要商用测量方案的不足,通过分析影响IPTV视频质量的主要因素,提出以MPQM模型为评估基础,综合运用Markov模型分别为网络信息包丢失概率、图像复杂程度以及视频流传输位速率进行建模和评测的实时评估算法,并依据所建模型推导出相关估算公式。商用测试结果表明该算法能够在实时环境中较准确地评估IPTV视频质量。     

基于MPOM模型的IPTV视频质量实时评估算法

针对实时测量和评估IPTV视频质量的迫切需求以及当前主要商用测量方案的不足,通过分析影响IPTV视频质量的主要因素,提出以MPQM模型为评估基础,综合运用Markov模型分别为网络信息包丢失概率、图像复杂程度以及视频流传输位速率进行建模和评测的实时评估算法,并依据所建模型推导出相关估算公式.商用测试结果表明该算法能够在实时环境中较准确地评估IPTV视频质量.     

基于半边图模型的蛋白质建模研究

适合大中型蛋白质的建模方法目前尚属于空白。设计出一种新预测模型,称为“半边图模型”。利用半边图模型描述底层数据结构,进行底层计算,确立蛋白质的立体结构。新模型适于表现原子之间和原子团之间的相互结合作用,能够模拟大分子相互作用的蛋白质真实折叠环境,即大分子相互作用的环境。     

基于随机森林算法的配电网电能质量评估方法与网架优化模型

研究针对当前电网电能质量现状,提出了一种基于随机森林算法的电网网架优化模型.将电压与电流录波图作为输入数据集,网架策略作为条件数据集,获得基于电压、电流质量评估的随机森林二值化评估结果,经过加权平均获得相关数据.通过对比随机森林算法与传统多列模糊神经网络算法实际效能,结果显示在293个备选方案中,随机森林算法选出3个方...     

对抗样本训练图分类器进行模型推理质量评估

重叠社区发现是社交网络分析与挖掘中的一个重要研究问题,现有的大部分方法都要求采用人工方法预先设定社区个数[K],这样做存在很多问题。将无限潜特征模型推广应用到关系型数据,以非参数贝叶斯层次模型为框架建立带重叠社区结构的网络生成模型,就可以避免预先设定[K]的值。然而,关系型无限潜特征模型的后验参数推理结果是一个[N×K]列的0、1矩阵上的概率分布,如何对这种多变量结构参数进行后验推理结果总结和后验推理质量评估是一个挑战,因此提出了一种利用基于对抗样本训练图卷积神经网络的图分类器来帮助总结推理结果和估计推理质量的方法。     

基于仿真可信度评估的变压器模型参数优化

为探索仿真系统可信度提升的有效方法,文章提出了一种基于仿真可信度评估的模型参数优化方法.其选取牵引变压器为研究对象,引入仿真可信度的概念,以仿真与试验数据的量化误差作为优化目标;同时,结合最优化问题的求解需求选择输入信号,通过敏感性分析结果选择需优化参数,建立了优化模型,开展关键参数优化.结果表明,优化后的模型参数无论...     

改进的基于隐马尔可夫模型的态势评估方法

针对隐马尔可夫模型（HMM）参数难以配置的问题,提出一种改进的基于隐马尔可夫模型的态势评估方法,更加准确地反映网络的安全态势。所提方法以入侵检测系统的输出作为输入,根据Snort手册将报警事件分类,得到观测序列,建立HMM,将改进的模拟退火（SA）算法与Bauw_Welch（BW）算法相结合对HMM参数进行优化,使用量化分析的方法得到网络的安全态势值。实验结果表明,所提方法能较好地提升模型的精度与收敛速度。     

基于Toy模型蛋白质折叠预测的多种群微粒群优化算法研究

基于Toy模型的蛋白质折叠结构预测问题是一个典型的NP问题.提出了多种群微粒群优化算法用于计算蛋白质能量最小值.该算法采用了一种新的算法结构,在该结构中,每一代的种群被分为精英子种群、开采子种群和勘探子种群三部分,通过改善种群的局部开采能力和全局勘探能力来提高算法的性能.分别采用Fibonacci蛋白质测试序列和真实蛋白质序列进行了折叠结构预测的仿真实验.实验结果表明该算法能够更精确地进行蛋白质折叠结构预测,为生物科学研究提供了一条有效途径.     

基于SAPSO算法的非线性预测控制方法研究

神经网络模型在非线性系统预测控制中得到广泛地应用,但是存在预测控制律难以求取的问题,文章提出模拟退火粒子群优化(SAPSO)算法来进行优化求解。在对PSO算法与SAPSO算法进行分析的基础上,采用SAPSO优化算法对神经网络预测控制策略进行了优化,再通过仿真实验对PSO算法与SAPSO算法的预测性能进行了比较。仿真结果表明SAPSO优化算法能有效减少迭代次数、提高收敛精度。     

基于云模型的网格QoS参数归约与调度优化

针对网格资源调度中用户对QoS的定性描述,利用云模型实现资源调度中的QoS匹配。深入分析了QoS参数云的特征,提出了QoS云处理模型,通过该模型,将离散的多个QoS参数归约到一个定性的概念上;设计了实现参数归约的体系结构;给出了基于定性概念的资源调度算法。实验表明,所提出方法在资源调度率和吞吐量以及系统资源的利用效率等方面体现出良好的特性,实现了基于定性概念的调度,达到了优化调度的目的。     

适用小样本的无参考水下视频质量评价方法

目的 视频质量评价是视频技术研究的关键之一。水下环境比其他自然环境更加复杂,自然光在深水中被完全吸收,拍摄所用的人工光源在水中传播时会发生光吸收、色散和散射等情况,同时受水体浑浊度和拍摄设备等影响,导致水下视频具有高度的空间弱可视性和时间不稳定性,常规视频质量评价方法无法对水下视频进行准确、有效的评价。本文考虑水下视频特性,提出一种适用小样本的结合空域统计特性与编码的水下视频质量评价方法。方法 基于水下视频成像特性,建立新的水下视频数据库,设计主观质量评价方法对所有视频进行15分质量标注。从水下视频中提取视频帧图像,针对空间域计算图像失真统计特性,然后结合视频编码参数,通过训练线性模型权重系数完成水下视频的质量评价。结果 实验表明,与几种主流的质量评价方法相比,本文水下视频质量评价方法与人类视觉感知的相关性最高,模型评价结果与主观质量评价结果的皮尔森线性相关系数PCC（Pearson''s correlation coefficient）为0.840 8,斯皮尔曼等级秩序相关系数SROCC（Spearman''s rank order correlation coefficient）为0.832 2。通过比较各方法评价结果与真实值的均方误差（mean square error,MSE）,本文方法MSE值最小,为0.113 1,说明本文的质量评价结果更加稳定。结论 本文通过空间域单帧图像自然场景统计特性和视频编码参数融合的方式,提出的无参考水下视频质量评价方法,能够很好地运用小样本水下视频数据集建立与人类视觉感知高度相关的评价模型,为水下视频做出更准确的质量评价。     

数据质量模型及选择运算中的质量传播研究

针对数据库数据质量评价问题,给出了一个属性粒度的质量评价模型,定义了正确性评价指标。在分析量化前后属性错误率的基础上,给出了两种错误率之间的关系。还研究了关系代数选择运算在键属性条件下的质量传播关系,得出了选择运算前后正确性不变的结论,并分别用属性量化前后错误率进行了表示。     

Predicting recreational water quality advisories: A comparison of statistical methods

Epidemiological studies indicate that fecal indicator bacteria (FIB) in beach water are associated with illnesses among people having contact with the water. In order to mitigate public health impacts, many beaches are posted with an advisory when the concentration of FIB exceeds a beach action value. The most commonly used method of measuring FIB concentration takes 18–24 h before returning a result. In order to avoid the 24 h lag, it has become common to ”nowcast” the FIB concentration using statistical regressions on environmental surrogate variables. Most commonly, nowcast models are estimated using ordinary least squares regression, but other regression methods from the statistical and machine learning literature are sometimes used. This study compares 14 regression methods across 7 Wisconsin beaches to identify which consistently produces the most accurate predictions. A random forest model is identified as the most accurate, followed by multiple regression fit using the adaptive LASSO.     

进化支持向量机模型及其在水质评估中的应用

水质评估模型是进行水质规划、环境水污染控制和环境管理的有效工具。利用遗传算法(GA)对支持向量机(SVM)分类算法的径向基核函数参数σ和错分惩罚因子C进行组合优化,建立进化支持向量机模型,并将该模型应用于水质评估中。将该模型分别应用于松花江松原段、松花江哈尔滨段、黄河甘肃段和吉林桦甸关门砬子水库的真实数据上进行测试。实验结果表明,提出的进化支持向量机水质评估模型在分类精度和泛化能力上较经典SVM方法都有所提高,表明了该方法的有效性。     

均衡数据法提高蛋白质二级结构预测

传统蛋白质二级结构预测,由于氨基酸序列中三种结构数量的差异,易造成不均衡训练,使得对三种结构的预测准确率差别较大。为改善这种缺陷,受装袋原理的启发,对传统方法进行改进,缩小训练时三种结构数量的差距。在实验中,采用数据集CB396,结果表明该方法能够显著提高对折叠的预测正确率,而且在总的预测正确率上达到77.3%,可以较好地进行蛋白质二级结构预测。     

The asymptotic model quality assessment for instrumental variable identification revisited

In this paper the problem of computing uncertainty regions for models identified through an instrumental variable technique is considered. Recently, it has been pointed out that, in certain operating conditions, the asymptotic theory of system identification (the most widely used method for model quality assessment) may deliver unreliable confidence regions. The aim of this paper is to show that, in an instrumental variable setting, the asymptotic theory exhibits a certain “robustness” that makes it reliable even with a moderate number of data samples. Reasons for this are highlighted in the paper through a theoretical analysis and simulation examples.     

Operationalised product quality models and assessment: The Quamoco approach

ContextSoftware quality models provide either abstract quality characteristics or concrete quality measurements; there is no seamless integration of these two aspects. Quality assessment approaches are, hence, also very specific or remain abstract. Reasons for this include the complexity of quality and the various quality profiles in different domains which make it difficult to build operationalised quality models.ObjectiveIn the project Quamoco, we developed a comprehensive approach aimed at closing this gap.MethodThe project combined constructive research, which involved a broad range of quality experts from academia and industry in workshops, sprint work and reviews, with empirical studies. All deliverables within the project were peer-reviewed by two project members from a different area. Most deliverables were developed in two or three iterations and underwent an evaluation.ResultsWe contribute a comprehensive quality modelling and assessment approach: (1) A meta quality model defines the structure of operationalised quality models. It includes the concept of a product factor, which bridges the gap between concrete measurements and abstract quality aspects, and allows modularisation to create modules for specific domains. (2) A largely technology-independent base quality model reduces the effort and complexity of building quality models for specific domains. For Java and C# systems, we refined it with about 300 concrete product factors and 500 measures. (3) A concrete and comprehensive quality assessment approach makes use of the concepts in the meta-model. (4) An empirical evaluation of the above results using real-world software systems showed: (a) The assessment results using the base model largely match the expectations of experts for the corresponding systems. (b) The approach and models are well understood by practitioners and considered to be both consistent and well suited for getting an overall view on the quality of a software product. The validity of the base quality model could not be shown conclusively, however. (5) The extensive, open-source tool support is in a mature state. (6) The model for embedded software systems is a proof-of-concept for domain-specific quality models.ConclusionWe provide a broad basis for the development and application of quality models in industrial practice as well as a basis for further extension, validation and comparison with other approaches in research.     

Free-energy principle inspired visual quality assessment: An overview

The free energy principle was proposed several years ago as a unified justification for some brain theories. The process of human perception, cognition, action, and learning can be well explained using the free energy principle. The free energy principle suggests that the human perception and understanding of a given scene can be modeled as an active inference process, and the human brain tries to explain the scene using an internal generative model. The discrepancy between the given image or view and its best internal generative model explainable part is upper bounded by the free energy of the inference process. It was then conjectured that perceptual quality of the input image is closely related to free energy value of the process. Following this framework, dozens of visual quality assessment techniques have been proposed in the last few years and many have achieved state of the art performance. In this paper, we first give an overview of the free energy principle and then review the free energy principle inspired visual quality assessment metrics with a comparison in terms of algorithm design and performance.     

基于粒子群优化的大气质量评价模型

在L．D詹姆斯的S型生长曲线指数公式的基础上,采用具有全局搜索功能的粒子群优化（particle swam optimization,PSO）算法对公式中的参数进行优化,得到了对于多种大气污染物均适用的具有普适性的大气污染损害率计算公式和基于粒子群优化的大气质量评价模型。该评价模型与其它多种评价模型相比：不仅原理直观、评价结果准确,而且公式形式简单、计算简便,在大气质量评价领域具有较强的实用性。