计算机科学在生物信息学中的应用

生物信息学是一门新兴的交叉学科,计算机科学如何更快更好地发挥其在生物信息学中的作用是我国的广大计算机研究和开发人员面临的一个重要的新课题。本文通过对计算机在生物信息学中的若干应用的现状分析与前景展望,为计算研究人员如何寻找计算机科学在生物信息学中的切入点提供了某些启示。     

局部敏感判别直推学习机

为了充分挖掘样本内在的几何结构和蕴含的判别信息来指导样本数据分类,提出一种局部敏感的判别直推学习方法.该方法将局部敏感辨析（LSDA）的基本原理引入到直推学习中,在直推学习的正则化框架中同时引入有助于分类的样本局部结构信息和判别信息,在判别信息指导下构建了类内图和类间图来刻画类内紧性和类间散性,从而在每个局部邻域中进一步最大化类间样本的间隔.同时,用数学的形式给出了目标函数的解析表达,在几个典型数据集上的实验结果表明,相较传统的基于图的半监督学习算法,该方法能取得更高的分类效果.     

基于互联网的3D复杂场景渲染算法研究

讨论了基于互联网的3D复杂场景渲染的一个主要问题即纹理的传输，现有的方法是在渲染之前就将整个纹理都传输到了客户端，我们提出了一个可供选择的方法，将每个纹理细分为若干个切片，然后在客户端进行动态控制哪些切片应该是用户可见的，客户端对纹理切片请求是按照各个纹理切片所影响的屏幕像素点数目顺序依次进行的，因此首先传输的就是那些影响屏幕像素点数目最多的纹理切片，纹理切片的计算充分考虑了闭合性和多重文理图像分辨率水平，并且每个新的帧被渲染时都要动态地重新计算，我们指出了在不改变基本结构的前提下，如何提升渲 染效果。     

融合多姿势估计特征的动作识别

目的 为了提高静态图像在遮挡等复杂情况下的动作识别效果和鲁棒性,提出融合多种姿势估计得到的特征信息进行动作识别的方法。方法 利用已得到的多个动作模型对任意一幅图像进行姿势估计,得到图像的多组姿势特征信息,每组特征信息包括关键点信息和姿势评分。将训练集中各个动作下所有图像的区分性关键点提取出来,并计算每一幅图像中区分性关键点之间的相对距离,一个动作所有图像的特征信息共同构成该动作的模板信息。测试图像在多个动作模型下进行姿势估计,得到多组姿势特征,从每组姿势特征中提取与对应模板一致的特征信息,将提取的多组姿势特征信息分别与对应的模板进行匹配,并通过姿势评分对匹配值优化,根据最终匹配值进行动作分类。结果 在两个数据集上,本文方法与5种比较流行的动作识别方法进行比较,获得了较好的平均准确率,在数据集PASCAL VOC 2011-val上较其他一些最新的经典方法平均准确率至少提高近2%。在数据集Stanford 40 actions上,较其他一些最新的经典方法平均准确率至少提高近6%。结论 本文方法融合了多个姿势特征,并且能够获取关键部位的遮挡信息,所以能较好应对遮挡等复杂环境情况,具有较高的平均识别准确率。     

切换回归模型的抗噪音聚类算法

对切换回归模型的聚类方法一般都没有考虑到噪音的影响,因此在含有噪音数据的情况下,用这些方法聚类的结果就会出现一定的偏差.为了减弱聚类过程中噪音数据的影响,提出了一种新的具有抵抗噪音能力的聚类算法,称为抗噪音聚类算法.该算法通过将已知数据集划分为非噪音数据集和噪音数据集2个子集,然后对非噪音数据集进行聚类分析,估计出模型的各个参数.通过对噪音数据集和非噪音数据集进行不断地调整,同时不断地修正得到的参数估计值,从而得到对聚类结果的优化.实验表明,抗噪音聚类算法能够有效地克服噪音数据对聚类结果的影响,并估计出优质的参数.     

开放式CAPP系统及其体系结构

本文介绍了一种基于Ｃｌｉｅｎｔ／Ｓｅｒｖｅｒ工作方式的ＣＡＰＰ系统，给出了针对现在流行网络环境的开放体系结构的ＣＡＰＰ模型，其中对系统客户端的实现作了深入的描述，包括客户端决策／优化管理器的内部体系结构以及实现多目标决策的优化算法。另外本文还对异种网、异种数据库环境下的互联通信进行了有益的讨论。     

广域网数据库查询系统及其实现

文章提出了架构于各个数据库查询系统之上的全局数据库查询系统———广域网数据库查询系统,分析了广域网数据库查询系统的基本框架,并给出了一个应用实例。     

密集特征加权跟踪算法

目的 当前大多数基于Mean-shift的跟踪算法都忽视了目标中密集的特征信息,本文有效利用密集特征信息,来提高跟踪的准确性.方法 在目标模型中,常存在一些颜色特征相对聚集,形成一定大小的特征密集区,这些区域的面积或大或小,对人眼视觉跟踪异常重要.这些区域形成的空间结构信息,可以被利用到目标跟踪.提出一种高效的目标模型,通过计算密集特征区域面积,以及密集区质心到目标中心的距离,构建加权系数,通过该系数,来增加目标中分布相对集中的特征的权值,同时削弱离散特征的权值.同时使用零阶矩和目标模型与候选模型之间的相似度系数,估算目标的面积;再使用预测目标面积补偿法,对目标中因使用背景加权法而权重被削弱的特征区域,进行面积补偿;最后使用估算的目标区域面积以及二阶中心距,估算目标尺度和方向的改变.在跟踪过程中,背景如发生较大变化,则对目标模型进行更新.结果 本文算法具有很好的尺度适应性,跟踪平均准确率在94.6%以上,得到较当前一些先进方法更好的准确度和效率.结论 提出的算法能增加目标模型中不同特征权值间的差异,使得构建的目标模型具有较强区分目标和背景的能力,提高了定位目标的准确性;面积补偿法解决了目标因特征权重被削弱,而导致估算的目标面积小于实际面积的问题.     

一种新的拥塞避免算法——SECN

RED算法与DECbit机制是具有代表性的两种拥塞控制算法,其共同的问题是在计算平均队列长度困难。提出一种新的基于中间节点的拥塞避免机制SECN,它通过输入队列长度和吞吐量在早期检测到拥塞,不需要计算平均队列长度。之后,选择占用资源最多的连接进行通告,让发送端缩小发送窗口。SECN算法容易实现,具有较好的公平性,不会发生许多连接同时缩小发送窗口导致吞吐量下降的全局同步现象。仿真结果也证明具有较高的吞吐量与小的响应时间。     

基于Web Service野外试验站信息发布平台研究*

阐述了Web Service技术,提出了基于XML和Web Service实现野外试验站信息发布平台以及实现平台关键技术的研究。