蛋白质交互网络模块化的数据分析

生物网络的模块化是生物系统鲁棒性的一个基本前提。首先根据已有的算法分析改进了经典的谱方法,提出了一个提高模块化方法分辨率的策略。采用不同来源的蛋白质网络来计算地分析网络的模块化属性,发现尽管这些蛋白质网络都展现了较高的模块化程度,但模块化的程度受到数据来源的影响。同时还发现基因在全基因组复制以后,会倾向于在同一个模块中出现,这说明复制基因功能不会产生特别大的差异,使得当删除一个复制基因时,模块内的另一个复制基因会有功能的补偿。     

基于多元线性回归分析的数据异常检测研究

异常检测是数据挖掘中的一个重要研究方向,主要用来发现数据集中的小模式。多元线性回归分析可以对数据进行定量的分析。本文采用多元线性回归算法对ETC客户数据进行异常检测分析。分析得到的异常用户数据可以提供给相关决策人员进行重点监控,以减少客户欺诈行为的发生。     

基于稳定遗传神经网络的ETC系统客户逃费分析

随着我国ETC系统的普及，ETC系统的客户管理也成了急需解决的问题。文章首先提出了一种改进的遗传算法．然后采用稳定遗传神经网络的方法对采集到的收费数据进行模拟。找出异常点对应的ETC系统客户，对其进行重点分析和重点监控，以确定是否存在逃费行为。以此来减少通行费的流失，实现科学、合理、高效的管理。     

一种基于小波包分解的图像分类去噪方法

文章提出了一种基于小波包分解的图像分类去噪方法,即首先用高斯-拉普拉斯边缘检测方法检测出图像的边缘,得到边缘图像;然后利用小波包对图像平滑区域进行阀值去噪,同时对图像进行邻域平滑处理;最后将边缘图像嵌入平滑图像。此种方法不但可以保持图像的边缘信息,而且能够去除图像的噪声,提高了图像的去噪效果和清晰度。     

一种基于粗糙集分类的图像增强方法

该文利用两个特征值属性,图像块的低高频能量和图像块的频域熵对图像进行粗糙集分类,得到边缘区域集合和平滑区域集合。然后分别对边缘区域和平滑区域做模糊增强和邻域平均法平滑,最后将图像重构得到边缘增强的图像,从而使图像的边缘变得更加清晰。