Computational completeness of simple semi-conditional insertion–deletion systems of degree (2,1)

Natural Computing - Insertion–deletion (or ins–del for short) systems are simple models of bio-inspired computing. They are well studied in formal language theory, especially regarding...     

基于GM(2,1)的亚细胞定位预测

对于蛋白质氨基酸序列,使用GM(2,1)模型的参数作为伪氨基酸成分,加上各氨基酸在序列中所占比例,构成蛋白质的灰色伪氨基酸成分表示。利用扩大协方差算法预测亚细胞定位,开发基于该方法的亚细胞定位预测服务器。在相同的数据集上,对比实验结果显示,该预测服务器在总体预测率上达到77.6%,比其他预测方法优越。相关的研究拓展了灰色理论在生物信息学上的应用。     

N(2,2,0)代数的(∈~δ,∈~δ∨q~δ_(λ,μ))-模糊理想

将模糊点和模糊集间的∈(属于)和q_(λ,μ)(广义重于)关系推广为∈~δ(Ω-属于)和q_(λ,μ)~δ(Ω-重于)关系,提出了(∈~δ,∈~δ∨q~δ_(λ,μ))-模糊代数。将(∈~δ,∈~δ∨q~δ_(λ,μ))-模糊代数与N(2,2,0)代数相结合,给出了点态化(∈~δ,∈~δ∨q~δ_(λ,μ))-模糊理想和Ω_(λ,μ)-模糊理想的概念,证明了两者之间的等价关系,研究了它们的一些基本性质;最后提出了点态化(∈~δ,∈~δ∨q~δ_(λ,μ))-模糊子代数和Ω_(λ,μ)-模糊子代数的定义,研究了(∈~δ,∈~δ∨q~δ_(λ,μ))-模糊理想和(∈~δ,∈~δ∨q~δ_(λ,μ))-模糊子代数的相互关系。     

基于敏感性分级的(k,δ,a_i)-匿名模型

(k,δ,a_i)-匿名模型是轨迹数据发布中保护数据隐私的一种k-匿名方法。该匿名模型需要满足所发布的轨迹数据库中任意轨迹在其半径为δ的圆柱内被重新标识出的概率不大于1/k,并且每个等价类中同一时刻处于同一敏感等级的轨迹数不超过k/l。然后从匿名数据库的可用性和安全性两方面与经典模型——(k,δ)-匿名模型进行了比较分析,实验结果表明,随着δ的增大,(k,δ,a_i)-模型与(k,δ)-模型在可用性方面越来越相似,但(k,δ,a_i)-模型比(k,δ)-模型的敏感性差异更大,因此,(k,δ,a_i)-模型安全性更高。     

多用户联机中,西文图书情报检索与流通管理系统(L1BRMS)

登记号 880037 开发单位东南大学计算机科学与工程系功能简介本系统包括两大功能: 一是图书检索,包括远程联机检索; 二是图书流通管理。为了使读者能快速,准确地查到所需要的图书资料,提高系统的查全率和查准率,本系统提供多种检索途径及截断检索,联合检索等功能。面向读者的功能是按主题词,书     

双环网络G(N;1,s)的L形瓦仿真算法改进

利用仿真来研究双环网络L形瓦,在国内外文献中尚不多见,文献[1]提出了一种仿真算法,文献[2]使用数组对文献[1]的算法作了改进.其不足之处是使用了过多过长的中间数组,影响了仿真速度.针对这一不足,根据L形瓦的h边特性,使用了更少更短的数组改进了文献[2]的算法,实验结果表明,改进的算法极大地提高了仿真速度.此外还给出了L形瓦的h边分布特点,并作了进一步分析.     

双环网络G(N;1,s)L形瓦的改进仿真算法

利用仿真来研究双环网络L形瓦的方法在国内外文献中尚不多见,文献[1]中提出了一种仿真算法,并成功实现L形瓦的仿真,其不足之处是利用数据库存取中间结果,严重影响了仿真速度,当N值很大时需要计算的时间过长.针对这一不足,提出了利用数组取代数据库来存取中间结果,实验结果表明,改进的算法极大地提高了计算速度.此外还给出两例大值N直径分布图,并对直径分布特点作了进一步的分析.     

Stability in Probability and Inverse Optimal Control of Evolution Systems Driven by Lévy Processes

This paper first develops a Lyapunov-type theorem to study global well-posedness(existence and uniqueness of the strong variational solution)and asymptotic stability in probability of nonlinear stochastic evolution systems(SESs)driven by a special class of Levy processes,which consist of Wiener and compensated Poisson processes.This theorem is then utilized to develop an approach to solve an inverse optimal stabilization problem for SESs driven by Levy processes.The inverse optimal control design achieves global well-posedness and global asymptotic stability of the closed-loop system,and minimizes a meaningful cost functional that penalizes both states and control.The approach does not require to solve a Hamilton-Jacobi-Bellman equation(HJBE).An optimal stabilization of the evolution of the frequency of a certain genetic character from the population is included to illustrate the theoretical developments.     

L_(2,1)范数正则化的广义核判别分析及其人脸识别

特征选取和子空间学习是人脸识别的关键问题。为更准确选取人脸中丰富的非线性特征,并解决小样本问题,提出了一种新的L_(2,1)范数正则化的广义核判别分析(generalized kernel discriminant analysis based on L_(2,1)-norm regularization,L21GKDA)。利用核函数将原始样本隐式地映射到高维特征空间中,得到广义核Fisher鉴别准则,再利用一种有效变换将该非线性模型转化为线性回归模型;为了能使特征选取和子空间学习同时进行,在模型中加入了一种L_(2,1)范数惩罚项,并给出该正则化方法的求解算法。因为方法借助于L_(2,1)范数惩罚项的特征选取能力,所以它能有效地提高识别率。在ORL、AR和PIE人脸库上的实验结果表明,新算法能有效选取人脸的非线性特征,提高判别能力。     

基于l_(2,1)范数原子选择的图像分块稀疏重构

针对图像压缩采样中原子的选择规则难以确定的问题,在改进的正交匹配追踪算法的基础上提出了一种基于l_(2,1)范数的原子选择方式。l_(2,1)范数的原子选择方式考虑了原子间的相关性,剔除了干扰原子,选择出了代表性原子。将所提方法用于图像分块重构,算法以图像进行分块,利用l_(2,1)范数选择对图像块支撑集进行筛选,增强块特征的判别性,提高原子的稀疏度,最终提高图像重构的准确率和速率。实验结果表明,相同条件下在保证重建速度的同时,所提新方法提高了图像重构精度。     

(0,mf-m+1)图的正交(0,f)因子分解

设G是一个图,f是定义在V(G)上的整数值函数,且对坌x∈V(G),有2k≤f(x),设H1,H2,…,Hk是G的k个顶点不相交的子图,且|E(Hi)|=m,1≤i≤k,证明了每个(0,mf-m+1)图有一个(0,f)因子分解正交于Hi(i=1,2,…,k)。     

A Unified O(log N) and Optimal Sorting Vector Algorithm

A unified vector sorting algorithm(VSA) is proposed,which sorts N arbitrary numbers with c log2 N-bits on an SIMD multi-processor system (SMMP) with p=N^1 ε/u processors and a composite interconnected network in T=c/ε(4 log2 N-2 log2 u 10u) time,where c is an arbitrary positive constant.When ε is an arbitrary small positive constant and u=log2 N,it is an O(log N) algorithm and p=N^1 ε/log2 N;when ε=1/log N and u=2 log2 N,it is an optimal algorithm (p=N/log2 N,T=O(log^2 N),pT=O(N log N));where u=1,c=1 and ε=0.5 (a constant).     

动态(1,t,n)门限群签名方案

针对现有门限群签名的主要弱点:难以抵御部分成员的合谋攻击以及成员加入和注销需大量改变参数,结合了将签名成员分等级的思想,提出了一种新的动态(1,t,n)门限群签名方案.该方案能有效地克服这些缺点,当成员加入或注销时,系统本身的参数和其他成员的密钥保持不变,并且还能追查签名者.     

时变参数GM(1, 1) 幂模型及其应用

为了进一步增强灰色预测模型对原始数据的适应能力,提出一种时变参数GM(1,1)幂模型,通过引入多项式函数描述GM(1,1)幂模型的结构参数随时间的动态变化规律。根据建模样本量的不同,分3种情形给出了模型的参数辨识算式,同时给出了时变参数GM(1,1)幂模型白化方程的解析解,利用积分复合梯形公式将其转化为可用于预测的离散时间响应式,并提出了参数优化方法。应用实例表明,时变参数GM(1,1)幂模型比固定参数GM(1,1)幂模型具有更高的模拟和预测精度。     

An Explicit Formula for the L 2-Discrepancy of (n α)-Sequences

Assume that α is an irrational number with continued fraction expansion [a₀;a₁, . . .] and convergents ,n= 0, 1 . . . . Every positive integer N has a unique expansion N=b₀q₀+b₁q₁+ . . . +b_mq_m, where the digits b_i are nonnegative integers with b₀<a₁,b_i≤a_i+1 and such that b_i=a_i+1 implies b_i−1=0, the so-called Ostrowski expansion of N to base α. On the other hand let c_[0,x) be the characteristic function of the half-open interval [0,x) and let be the L₂-discrepancy of the sequence (nα) mod 1, where {y} denotes the fractional part of the real number y. In this paper, we give an explicit formula for D*⁽²⁾_N(α) entirely in terms of the digits b₀, . . . ,b_m. This formula enables one to compute the L₂-discrepancy in at most O(log⁴N) steps, where the O-constant does not depend on α, while in the classical formulae for the L₂-discrepancy N²/2 calculation steps are necessary. The fastest algorithm so far was found by S. Heinrich [3] and works (for all sequences) in O(N log N) steps. Dedicated to Prof. W. G. Nowak on the occasion of his 50th birthday.