基于结点群的高效的动态二分查找器

针对求解NP-hard的车间生产调度存在的问题,提出了一种基于思维进化的蚁群算法。该算法建立在传统蚁群算法上,并结合思维进化思想和局部寻优思想克服了基本蚁群算法易陷入局部最优的缺陷,改进了状态转移规则,限定了信息素的范围,改进了信息素更新策略,并增加了邻域搜索。实验表明,对于典型生产调度问题,基于思维进化的蚁群算法可以求得理论最优解,在最优解、最差解和平均解3个指标上都优于基本蚁群算法,体现出了较好的性能。     

生物质石墨烯内暖绒絮片的制备及性能研究

生物质石墨烯内暖绒是基于生物质石墨烯开发的一种新型功能合成纤维材料。文中主要对生物质石墨烯内暖绒的透气性、保温性、抑菌性、升温速率等进行测试,并与市场同类品生物绒絮片做对比。结果表明,生物质石墨烯内暖绒具有较好的透气性、保温率,其压缩弹性率大于92%、保温率大于84%、透气率大于462 mm/s;生物质石墨烯内暖绒具有优异的抑菌性能,对金黄色葡萄球菌抑菌率大于99%、大肠杆菌抑菌率为99%、对白色念珠菌抑菌率为96%;相同克质量的生物质石墨烯内暖绒的升温速率及保暖性明显高于生物绒。     

不平衡数据集上的Relief特征选择算法

Relief算法为系列特征选择方法,包括最早提出的Relief算法和后来拓展的ReliefF算法,核心思想是对分类贡献大的特征赋予较大的权值;特点是算法简单,运行效率高,因此有着广泛的应用。但直接将Relief算法应用于有干扰的数据集或不平衡数据集,效果并不理想。基于Relief算法,提出一种干扰数据特征选择算法,称为阈值-Relief算法,有效消除了干扰数据对分类结果的影响。结合K-means算法,提出两种不平衡数据集特征选择算法,分别称为K-means-ReliefF算法和 K-means-Relief抽样算法,有效弥补了Relief算法在不平衡数据集上表现出的不足。实验证明了本文算法的有效性。     

石墨烯改性黏胶纤维的制备及性能研究

采用共混法制备不同石墨烯含量的石墨烯改性黏胶纤维,对石墨烯改性黏胶纤维的力学性能、远红外性能和抑菌性能进行了研究。结果表明:与普通黏胶纤维相比较,石墨烯对黏胶纤维起到较好的基体增强作用;改性黏胶纤维具有优良的远红外功能和抑菌性能,远红外发射率达到0.88,抑菌率最高达到99%。     

一种基于突变基因网络的癌症驱动通路识别算法

大型癌症基因组项目(TCGA,ICGC等)产生了大量的癌症组学数据,使人们深入研究癌症变为可能,其中寻找引发癌症的相关突变基因是一个重要挑战。在癌细胞中,基因变异可分为两类:一类是可导致癌症发生的驱动突变(driver mutation),另一类是对癌症发生扩散没有影响的乘客突变(passenger mutation)。识别癌症驱动基因有利于理解癌症发病原理和发展进程以及研发癌症药物或进行靶向治疗,是生物信息学中的重要问题。文中提出一种基于突变基因网络的癌症驱动通路识别算法GNDP,对癌症病人的体细胞突变数据进行分析。该算法定义了非重叠平衡度来度量基因对的位于同一驱动通路的可能性;根据基因对的非重叠平衡度、互斥和覆盖度,构建基因互斥网络,很大程度上减少了网络边数,提高了计算效率;在所构造的基因互斥网络中将查找到的极大团作为潜在驱动通路基因集合;用覆盖度和互斥度对潜在驱动通路基因集合进行筛选,得到其极大权重子团,并将其作为识别出的驱动通路。分别在模拟数据、肺腺癌以及多形性成胶质细胞瘤突变数据上对GNDP算法进行有效性验证,并将其与经典驱动通路识别算法Dendrix和Multi-Dendrix进行实验对比。结果表明,GNDP不需要指定驱动通路的基因个数,能在模拟数据上准确检测出所有人工设置的驱动通路;针对肺腺癌和多形性成胶质细胞瘤突变数据,GNDP在不需要任何先验知识的情况下达到较高的识别准确率,能高效地识别出主要驱动通路,其结果优于对比算法。     

石墨烯改性再生纤维素纤维制备及特性表征

石墨烯改性再生纤维素纤维是基于石墨烯对粘胶纤维改性而得到的具有优良性能的功能纤维。采用粘胶纺丝原液为基体,将石墨烯分散液均匀地掺杂到经磺化、溶解而成的纤维素黄酸酯溶液中,通过机械搅拌,使两者充分混合,再经湿法纺丝工艺纺制成丝。测试分析表明,石墨烯能均匀稳定地分散于粘胶纺丝液中,石墨烯的加入赋予再生纤维素纤维优良的远红外、抗菌抑菌、抗静电、防紫外等功能,提高了再生纤维素纤维的附加值,使其更具广阔应用前景。     

三支决策朴素贝叶斯增量学习算法研究

增量学习利用增量数据中的有用信息通过修正分类参数来更新分类模型,而朴素贝叶斯算法具有利用先验信息以及增量信息的特性,因此朴素贝叶斯算法是增量学习算法设计的最佳选择。三支决策是一种符合人类认知模式的决策理论,具有主观的特性。将三支决策思想融入朴素贝叶斯增量学习中,提出一种基于三支决策的朴素贝叶斯增量学习算法。基于朴素贝叶斯算法构造了一个称为分类确信度的概念,结合代价函数,用以确定三支决策理论中的正域、负域和边界域。利用三个域中的有用信息构造基于三支决策的朴素贝叶斯增量学习算法。实验结果显示,在阈值[α]和[β]选择合适的情况下,基于该方法的分类准确性和召回率均有明显的提高。     

石墨烯改性纤维制备水刺非织造布的性能分析

将石墨烯应用在黏胶纤维、莫代尔纤维、聚乳酸纤维中,并成功制备出石墨烯改性纤维水刺非织造布。对石墨烯改性纤维水刺非织造布的表面形态、断裂强力、透气性、液体吸收量及负离子性、抑菌性和低温远红外等指标进行了测试,结果表明:将石墨烯改性聚乳酸纤维分别与石墨烯改性黏胶纤维和石墨烯改性莫代尔纤维混合后水刺,改善了纤维的缠结情况,非织造布透气性和吸水量指标都得到提高;石墨烯改性纤维水刺非织造布具有负离子特性、良好的抑菌效果和低温远红外特性,适用于面膜卫生材料。     

基于稀疏约束非负矩阵分解的K-Ｍeans聚类算法

为了提高Ｋ-Ｍeans聚类算法在高维数据下的聚类效果,提出一种基于稀疏约束非负矩阵分解的Ｋ-Ｍeans聚类算法。该算法在最优保持原始数据本质的前提下,通过在非负矩阵分解过程中对基矩阵列向量施加l1与l2范数稀疏约束,首先挖掘嵌入在高维数据中的低维数据结构,实现高维数据的低维表示,然后利用在低维数据聚类中性能良好的Ｋ-Ｍeans算法对稀疏降维后的数据进行聚类。实验结果表明提出的算法可行,并且在处理高维数据上有效。     

一种面向用户需求的属性约简算法

在已有的属性约简算法中,一般假定属性集中的属性同等重要.然而,对于实际问题,这种假定既不合理也不实际,因为属性的重要性往往与用户的需求相关.许多已经提出的面向用户需求的学习算法给出的结果不能保证与用户的需求完全匹配.将描述用户需求的属性序纳入考虑,并将属性约简问题转化为集合覆盖的约简问题求解,提出一种面向用户需求的属性约简算法,旨在获得满足用户需求或偏好的最小属性约简.理论分析、实验和实例显示,算法可行且有效.