蛋白质亚细胞定位预测的机器学习方法

蛋白质亚细胞定位与其功能密切相关.蛋白质在细胞中的正确定位是细胞系统高度有序运转的前提保障.研究细胞中蛋白质定位的机制和规律,预测蛋白质的亚细胞定位,时于了解蛋白质的性质和功能,了解蛋白质之间的相互作用,探索生命的规律和奥秘具有重要意义.基于机器学习方法的蛋白质亚细胞定位预测是生物信息学研究的热点之一.从数据集的建立、蛋白质序列特征刻画和蛋白质亚细胞定位预测算法3个方面,总结和评述了在过去十几年里机器学习方法在蛋白质亚细胞定位研究中的应用情况和取得的成果,分析了机器学习方法在蛋白质亚细胞定位预测方面存在的问题和面临的挑战,指出了蛋白质亚细胞定位研究的主要方向.     

人脸检测方法综述

人脸检测问题的提出是为了在自动人脸识别系统中的定位,近年来,由于其在安全控制、人机界面、视觉监测、基于内容的检索等领域的应用价值,开始作为一个独立的课题受到研究者的普遍重视。该文从人脸检测的模式、人脸特征的提取、人脸特征的综合、评估标准等角度,系统阐述了人脸检测系统,并将人脸检测方法分为：基于几何特征的方法,基于肤色模型的方法和基于统计理论的方法,并对各个方法的优缺点进行了比较,最后,对人脸检测今后的发展方向进行了探讨。     

作者须知

◆本刊简介 《智能系统学报》是中国人工智能学会的会刊,由中国人工智能学会与哈尔滨工程大学联合主办,主要刊登人工智能与计算智能、智能控制与决策、智能信息处理、专家系统与知识工程、机器学习与知识发现以及人工心理与机器情感等内容,反映我国智能科学领域理论研究及科研进展情况,以促进和扩大国内外学术交流,为我国智能科学的发展和社会进步服务。     

一种基于个性化邮件特征的反垃圾邮件系统

垃圾邮件的内容因人而异,现有的垃圾邮件过滤系统大多采用统一的过滤标准对用户的邮件进行过滤,因而忽略了垃圾邮件的这种个性化特征.针对这一情况提出一种个性化垃圾邮件过滤的计算模型,它事先不需要对模型进行针对性的训练,从对用户日常处理不同类型邮件的行为中分析和挖掘垃圾邮件的个性化特征,然后利用这种个性化特征在对垃圾邮件进行识别的同时不断强化这种个性化特征,以实现逐步提升对垃圾邮件识别率的目的.据此实现了相应的原型系统,通过对此系统的实验验证,该方法在现实环境下对垃圾邮件具有很好的过滤效果.     

作者须知

◆本刊简介 《智能系统学报》是中国人工智能学会的会刊,由中国人工智能学会与哈尔滨工程大学联合主办。主要刊登人工智能与计算智能、智能控制与决策、智能信息处理、专家系统与知识工程、机器学习与知识发现以及人工心理与机器情感等内容,反映我国智能科学领域理论研究及科研进展情况,以促进和扩大国内外学术交流,为我国智能科学的发展和社会进步服务。     

粗糙集理论的双重学习方法研究

提出了一种新的粗糙集双重学习方法,该方法能用遗传算法实现外层学习,用规则提取方法进行内层学习．其基本思想是：首先引入遗传算法,将属性编码,并针对不同的属性组合进行规则提取;然后用测试样本对规则集进行检验,并基于所得到的识别率建立适应度函数;最后在合适的遗传算子下获取最佳的属性组合及相应的知识规则．与其他方法相比,本文所提粗糙集双重学习方法集属性约简和规则提取于一体,整个过程具有很强的自适应能力．最后,用算例对本文方法进行了验证．     

数据质量研究综述

数据质量管理是信息系统建设的首要问题.本文首先回顾了数据质量的定义和质量提高策略的分类,然后对数据质量研究涉及的两个主要方面,即数据质量评估和数据质量提高技术的各种方法进行了比较和分析,并对有代表性的数据质量提高工具进行了介绍.最后提出了一个评估驱动的数据质量提高框架,并对数据质量研究方向进行了展望.     

基于机器学习方法的入侵检测技术的研究

入侵检测技术是近20年来才出现的一种有效保护网络系统免受网络攻击的新型网络安全技术.随着网络技术的迅速发展、安全问题的日益突出,传统的入侵检测系统已难以满足对越来越复杂的网络攻击的检测任务,将机器学习的技术引入到入侵监测系统之中以有效地提高系统性能,已成为入侵检测技术的研究热点.本文主要介绍了入侵检测系统的基本结构以及几种机器学习方法在入侵检测中的应用,其中包括:基于贝叶斯分类的方法、基于神经网络的方法、基于数据挖掘的方法与基于支持向量机的方法.     

Web检索查询意图分类技术综述

查询分类是近年来信息检索领域的研究热点,并且在很多领域得到了广泛地关注。主要讨论根据查询的意图进行分类的研究工作,从查询分类的诞生背景、关键技术、所使用的分类方法和评价方法方面进行综述评论,提出了查询意图分类面临的问题和挑战。认为缺乏权威的评测标准、在大规模数据集上的未经全面测试的性能、如何准确地获取查询的特征以及如何证明分类体系的完备性和独立性是目前查询意图分类研究的关键问题。     

SVM-RBF网络在混沌时间序列预测中的应用

混沌时间序列预测是非线性动力学研究中一个很重要的问题.支持向量机是一种基于统计学习理论的新颖的机器学习方法,为混沌时间序列的预测提供了一种有效的算法思想.本文基于支持向量机与径向基神经网络在结构上的相似性,将支持向量机用于径向基神经网络中心的选取,并对混沌时间序列进行预测,仿真结果表明,其效果优于其他方法.