系统发生树构建技术综述

随着不同的分子测序技术的飞速发展使得大量的DNA分子数据不断涌现,这给生物学家提供了大量的数据使其实现重构地球上所有生命的进化树的梦想.并且,进化树的研究对于解决现代分子生物学中的许多问题都是非常关键的,如多序列比对、蛋白质结构和功能预测以及药物设计等等.但是构建进化树又是一个非常复杂的问题.因此,进化树的研究成了一个研究热点.本文介绍了进化树研究的发展、研究现状,最后在总结现有的进化树构建技术存在的问题的基础上探讨了该领域进一步的研究方向.     

基于支持向量机和竞争学习的图像配准方法

为了使探测到的各种地雷图像更清晰,要求将金属地雷探测器和雷达渗透地面探测器的图像用图像精确配准的方法将二者的图像融合.提出了基于竞争学习和支持向量机的图像配准方法.该方法是用竞争学习的权值标明地雷边缘点,以获得图像中地雷的特征值;然后用支持向量机反复匹配两个待配准图像的支持向量.融合图像信息熵的测定结果表明,基于竞争学习和支持向量机的图像配准方法融合图像携带的信息量大,融合图像质量高,图像配准精确.     

基于标记与特征依赖最大化的弱标记集成分类

弱标记学习是多标记学习的一个重要分支,近几年已被广泛研究并被应用于多标记样本的缺失标记补全和预测等问题.然而,针对特征集合较大、更容易拥有多个语义标记和出现标记缺失的高维数据问题,现有弱标记学习方法普遍易受这类数据包含的噪声和冗余特征的干扰.为了对高维多标记数据进行准确的分类,提出了一种基于标记与特征依赖最大化的弱标记集成分类方法EnWL.EnWL首先在高维数据的特征空间多次利用近邻传播聚类方法,每次选择聚类中心构成具有代表性的特征子集,降低噪声和冗余特征的干扰;再在每个特征子集上训练一个基于标记与特征依赖最大化的半监督多标记分类器;最后,通过投票集成这些分类器实现多标记分类.在多种高维数据集上的实验结果表明,EnWL在多种评价度量上的预测性能均优于已有相关方法.     

非负局部约束线性编码图像分类算法

基于特征提取的图像分类算法的核心问题是如何对特征进行有效编码. 局部约束线性编码(Locality-constrained linear coding, LLC) 因其良好的特征重构性与局部平滑稀疏性, 已取得了很好的分类性能. 然而, LLC编码的分类性能对编码过程中的近邻数k的大小比较敏感, 随着k的增大, 编码中的某些负值元素与正值元素的差值绝对值也可能增大, 这使得LLC越来越不稳定. 本文通过在LLC优化模型的目标方程中引入非负约束, 提出了一种新型编码方式, 称为非负局部约束线性编码(Non-negative locality-constrained linear coding, NNLLC). 该模型一般采取迭代优化算法进行求解, 但其计算复杂度较大. 因此, 本文提出两种近似非负编码算法, 其编码速度与LLC一样快速. 实验结果表明, 在多个广泛使用的图像数据集上, 相比于LLC, NNLLC编码方式不仅在分类精确率上提高了近1%～4%, 而且对k的选取具有更强的鲁棒性.     

MicroRNA前体的特征选择方法

microRNA(miRNA)是一类长度约为21nt的非编码RNA,具有重要的调控功能。miRNA前体包含一级序列特征和二级结构特征,其中含有冗余和无用的特征,这些特征无益于前体分类模型的分类准确度。因此需要去除冗余特征,进而降低特征维数并提高分类性能。针对miRNA的前体序列数据,已有特征选取方法,仅考虑了特征之间的区分距离。全面考虑了每个特征属性对分类的增益和特征间冗余性,选取的特征有助于建立高效的分类模型。实验结果表明,选取的特征子集有效地提高了miRNA前体分类器的预测性能,取得了更好的分类结果。     

示例学习的扩张图方法

提出示例学习的一种几何理论，即扩张图方法，应用该方法得了最优覆盖问题的近似解，该方法直观，清晰，并具有渐近式学习功能。     

A Simulated Annealing-Based Algorithm for Traveling Salesman Problem

ＡＳｉｍｕｌａｔｅｄＡｎｎｅａｌｉｎｇ－ＢａｓｅｄＡｌｇｏｒｉｔｈｍｆｏｒＴｒａｖｅｌｉｎｇＳａｌｅｓｍａｎＰｒｏｂｌｅｍＧＵＯＭａｏｚｕＣＨＥＮＢｉｎＨＯＮＧＪｉａｒｏｎｇ（郭茂祖）（陈彬）（洪家荣）（Ｄｅｐｔ．ｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａ...     

基于模拟退火算法旅行商问题的并行实现

旅行商问题属于ＮＰ难题，不存在多项式时间的算法。提出一个基于模拟退火算法求解旅行商问题的算法，并在并行设计环境Ｍｕｌｔｉ－ｐａｓｃａｌ中加以实现。     

人类免疫系统仿真与建模研究综述

人类免疫系统是具有自组织、自适应性质的复杂系统.它由许多不同的分子、细胞、组织和器官组成.免疫细胞互相合作涌现出智能性.人工免疫系统是人工智能研究领域,计算模型和概念模型是计算机免疫学中仿真免疫系统的两类主要的模型.文中介绍了位符串模型、遗传算法、多主体等免疫系统的仿真方法,特别讨论了微分方程和细胞自动机两类代表模型的缺点和优点,提出免疫系统仿真方法可以用于研究免疫系统智能性,对设计新的人工免疫系统方法很有意义.