基因表达式编程的理论研究综述*

对新兴的基因表达式编程算法在国内外的理论研究现状进行了系统的研究,剖析了GEP的基本原理和特点,并对国内外关于GEP理论和算法的研究现状进行系统的讨论,最后根据笔者的见解探讨了未来研究的重点方向。     

基于粒子对和极值优化的基因聚类混合算法研究

针对粒子对算法存在过早陷入局部最优导致精度不是很高的问题,建议了一种新的基于粒子对(PPO)与极值优化(EO)混合算法。该算法利用PPO和EO的优点,借助K-means快速聚类的结果初始化其中一个粒子,并根据一定迭代次数在精英粒子对的迭代过程中引入EO算法,在保证算法收敛的同时避免后期过早陷入局部最优,从而提高聚类结果的精度。将混合算法应用于真实的基因表达数据。实验结果表明,混合算法比K-means和粒子对算法具有更好的聚类精度和稳定性。     

人类p53肿瘤蛋白的偏好性分析及其应用*

为了深入研究人类p53肿瘤蛋白,对七条最新的人类p53肿瘤蛋白的mRNA序列的偏好性及其同源性进行了分析。利用MEGA4.0（molecular evolutionary genetics analysis）软件的Distance功能得到七条基因的mRNA序列及其相应的蛋白质序列的同源性,并通过比较它们的RSCU和QRSCU值,对p53基因发生突变时偏好使用同义密码子的情况进行了分析。研究结果表明,基于拟氨基酸编码方法能更明显地展示出它们对同义密码子的一致偏好性,并且p53基因发生突变时偏好使用以c/g结     

基于图像分析的植物叶片识别技术综述*

对近年来基于图像分析的叶片识别技术进行了广泛研究.首先阐述了基于图像分析的植物叶片识别技术的意义及研究现状;然后介绍了主要的叶片图像识别步骤,重点从基于关系结构匹配的识别、基于统计学的识别和基于机器学习的识别三类方法进行阐述,详细论述了各种识别技术的基本思想和主要公式;最后指出了叶片识别技术的不足和研究方向.     

基于侏儒立方体的保持语义的数据立方体结构*

在侏儒立方体研究的基础上,提出了一种新的能够保持语义的立方体结构。这种结构改变了侏儒立方体对聚集数据的存储方式,在保持基本立方体上卷、下钻语义的前提下,尽量地去除前缀冗余、后缀冗余,节约存储空间,保证立方体清晰的结构,并且拥有比侏儒立方体更高的存储效率和查询响应速度,对点查询和范围查询能够快速地返回结果,对大数据量情况下的稀疏立方体具有良好的支持。     

GAISP:一种GPU加速的天文图像相减测光算法*

为了解决天文图像相减测光存在的性能问题,满足特殊条件下天文观测的实时性要求,在充分分析原始测光算法整体性能的基础上,结合CUDA并行编程模型,并行优化测光算法中模板图像降晰的计算,提出并实现了一种GPU加速的测光算法GAISP。实验结果表明,GAISP在处理较大规模天文图像时,图像相减部分耗时较原始算法降低2/3。     

基于本体的出生缺陷相关医学知识管理系统*

当前网络中分布着大量与出生缺陷相关的电子病历、医学文献和临床实验数据库。如果对这些数据库进行数据整合,实现有效地管理,将便于医学工作者对海量数据进行快速查询和综合分析。基于以上需求,设计了基于本体的出生缺陷相关医学知识管理平台,实现了基于本体的数据整合、数据标注和数据查询。该系统已用于国家科技支撑计划重点课题人口和生殖健康综合信息服务大型门户系统中。     

基于改进深度置信网络的UWB无线定位方法

针对传统指纹定位算法中接收信号强度值在室内复杂环境中波动较大,指纹信息不可靠,造成定位精度不足的问题,提出了一种以测距值作为指纹信息的基于深度置信网络和极限学习机的超宽带定位方法。首先在深度置信网络底层采用多个堆叠受限玻尔兹曼机对输入数据做无监督学习,来提取深层次特征,然后在顶层选用极限学习机对输入数据及位置标签进行有监督学习。建立指纹库阶段,为优化指纹采集过程并减少人工勘测成本,提出一种基于高斯过程回归的超宽带指纹库扩充方法。真实场景下实验结果显示,视距环境和非视距环境中,该定位方法均能够达到厘米级定位精度。     

基于异步交互聚合网络的卷烟厂危险作业区人员异常行为图像识别

受到卷烟厂作业区域分散、作业人员多、行为特征相似度高的影响,无法有效整合多组图像行为特征,造成识别结果误差偏大,不能进行危险行为即时预警。为此,提出了基于异步交互聚合网络的卷烟厂危险作业区人员异常行为图像识别方法。根据卷烟厂危险作业区域特点,结合人员异常行为图像分析效果,提取异步交互聚合网络下JDE行为特征,进行人员异常行为角度特征识别,为相邻识别特征交互区域类型输出分配不同加权系数量,输出异步交互聚合识别结果。实验结果表明：在异步交互聚合网络优化下,人员异常行为识别准确率得到明显提升,整体识别效果稳定性较高,适应性优化效果明显。     

基于OpenCV与MediaPipe的面部动作控制鼠标操作技术

为丰富人机交互模式,基于OpenCV和Mediapipe在面部识别中的应用,在个人电脑上实现通过面部动作进行常用的鼠标控制。具体的方法是通过捕捉摄像头传入视频帧中用户脸部的关键点,并根据关键点的位置变化来执行对应鼠标操作。实际测试结果表明：该程序仅通过简单的面部动作就可以较好地实现诸如移动光标、单击鼠标左右键以及拖动滚动条等常用鼠标操作,且识别准确率高,是一种针对特殊用户和特定环境条件下替代鼠标操作的低成本实用技术。