信息离散性度量方法在SARS病毒研究中的应用

多序列比较是分子生物学中的一个基本问题，本文利用一种新型信息离散性度量方法——FDOD方法，将其应用于SARS病毒研究中，对SARS病毒与已知的三类冠状病毒的复制酶、M蛋白、N蛋白和S蛋白进行了进化分析，得出的系统发育树与现有的生物分析基本一致。同时进一步显示了FDOD方法的优点，数学基础好，不带有主观因素，能比较客观地度量生物序列间的差异，且计算过程简单快速，是分子进化研究的一种有效工具。     

基于多序列联配的攻击特征自动提取技术研究

误用入侵检测系统的检测能力在很大程度上取决于攻击特征的数量和质量．该文提出一种基于多序列联配的攻击特征自动提取方法：首先将可疑的网络数据流转化为序列加入到可疑数据池中；通过聚类将这些序列分为若干类别；最后利用该文提出的多序列联配算法对同一类中的序列进行联配，并以产生的结果代表一类攻击的特征．该方法的核心是该文提出的两种序列联配算法：奖励相邻匹配的全局联配算法CMENW（Contiguous—Matches Encouraging Needleman—Wunsch）和层次式多序列联配算法HMSA（Hierarchical Multi—Sequence Alignment）．CMENW算法克服了Needleman—Wunsch算法易产生碎片的问题，使得连续的特征片段能够尽量地予以保留；HMSA算法以层次式策略对多序列进行联配，支持通配符，并带有剪枝功能．该方法可以自动地提取包括变形病毒和缓冲区溢出在内的新攻击的特征，其主要优点是：（1）产生的攻击特征包含位置相关信息，因而相对传统的方法结果更加准确；（2）具有良好的抗噪能力．     

以序列特征值预测酶和非酶蛋白及内含肽

利用生物信息学快速准确鉴别酶、非酶蛋白及内含肽能极大提高实验效率,而测序数量的指数型增长使酶、非酶蛋白及内含肽的自动分类尤显重要。本文获取了同一性小于25%的序列共计3853条,采用Z标度的伪氨基酸组成和氨基酸组成分布提取序列特征值识别酶、非酶蛋白及内含肽。结果表明,该特征值提取方法经参数优化后,即当λ=5,w=0.15时,以支持向量机为分类器,其10倍交叉验证的精度可达81.3%,ROC曲线下面积为0.83;其精度高于其它方法0.5%到12.9%不等;独立样本测试的预测精度可达71.2%,ROC曲线下面积为0.782,其精度高于其它方法0.4%到6.4%不等,效果均优于其它常见的序列特征值方法。本文结果说明从序列出发判断其归属是可行的,3种不同功能的分子在序列特征上存在一定的差异,所建立的Z标度的伪氨基酸组成和氨基酸组成分布法可用于其它类似的生物信息学问题。建立了从序列出发预测酶、非酶蛋白及内含肽的新方法。     

机器学习预测化合物的雌雄激素受体活性

预测一种化合物的雌雄激素受体的活性，对于避免暴露于环境中类似雌雄激素的化学物质是非常重要的。采用包括支持向量机、随机森林等多种机器学习方法，利用Binding Database数据库建立了预测活性的定量结构-活性关系（quantitative structure-activity relationship,QSAR）模型，并对模型进行验证与评估。评估结果发现，随机森林结合扩展连通性分子指纹对数据集预测准确率为0.83，其受试者工作特征曲线（receiver operating characteristic curve, ROC）得到的数据集曲线下面积（area under curve, AUC）为0.892，表明该模型具有广泛且良好的预测能力。该研究建立的活性预测模型可用于化合物的活性预测，为内分泌化合物的活性评估和风险管理提供参考。     

基于1D-CNN-LSTM注意力网络的抽油机井故障诊断

针对传统基于示功图的抽油机井故障诊断方法存在特征提取复杂、模型参数量大、诊断效率低的问题，提出一种基于1D-CNN-LSTM注意力网络的故障诊断方法。将示功图转化为载荷位移序列作为网络输入，使用一维卷积神经网络（1D-CNN）在提取序列局部特征的同时减小序列长度；考虑到序列的时序特性，进一步使用长短时记忆网络（LSTM）提取序列的时序特征；为突出关键特征影响，引入Attention机制，对故障类型相关的时序特征赋予更高的注意力权重；最后将加权特征输入全连接层，利用Softmax分类器实现故障诊断。实验结果表明，所提方法的平均准确率、精确率、召回率和F1值分别达到99.13%、99.35%、99.17%和99.25%，模型大小仅为98 kB。相比基于特征工程的方法具有更高的诊断精度和泛化能力，相比基于二维卷积神经网络（2D-CNN）模型的诊断方法，显著减少了模型参数量和训练时间，提高了故障诊断效率。     

基于失败连接流量偏离度的蠕虫早期检测方法

通过分析网络蠕虫攻击的特点，定义了能够反映蠕虫攻击特征的失败连接流量偏离度（FCFD）的概念，并提出了一种基于FCFD时间序列分析的蠕虫早期检测方法。该方法利用小波变换对FCFD时间序列进行多尺度分析，利用高频分量模极大值进行奇异点检测，从而发现可能的蠕虫攻击。同时给出了一种基于失败连接分析的蠕虫感染主机定位和蠕虫扫描特征提取方法。实验结果显示，该方法能够有效检测未知蠕虫的攻击。和已有方法相比，该方法具有更高的检测效率和更低的误报率。     

利用参比型SPR生物传感器进行SARS病毒抗原检测的研究

参比型SPR生物传感器是一种可以在单通道内实现对检测、参比两个位点同时检测的新型SPR分析系统.利用参比型SPR生物传感器在线制备了两种SARS病毒抗原的检测芯片.直接固定抗体法制备的检测芯片在检测时基本无反应;蛋白A固定抗体法制备的芯片在通入灭活SARS病毒时检测信号明显,参比信号略有上升.第二种芯片可以直接检测到病毒培养液上清中的灭活SARS病毒,检测灵敏度已达到1.66×104 PFU/mL.参比位点可以用来检测待测物中杂质引起的非特异性吸附.     

寻找序列的变化内容

寻找两个序列X、Y的差异内容,产生Y相对X的差异信息Z,使得X能够根据Z变化为Y。如果X、Y是同一种文件的不同版本,Z往往比Y小得多,这样存储或传送Z将比直接存储或传送Y更节约资源。提出一种基于序列结构因素的启发式算法,对两个序列进行划分,再进行相同内容的匹配。算法时间复杂度为O（（n+m）log（min（n,m）））,空间复杂度为O（n+m）,其中n、m分别为X、Y的长度。在实际应用中该算法的执行速度是接近线性的。     

基于周期分割的睡眠自动分期研究

为实现高效的自动睡眠分期，提出一种基于周期分割的时域信号处理方法，采用合并增减序列方法对三个通道多导睡眠图记录（2路脑电，1路眼电）进行周期分割，根据信号波形的周期标记睡眠各期的特征波形，提取特征波形在每一帧数据的时长占比与平均幅值作为特征。双向长短时记忆网络（Bi-directional Long Short-Term Memory，Bi-LSTM）作为分类器，解决传统机器学习方法无法利用睡眠数据时间上下文信息的缺点。对42?699个样本使用交叉验证方法得到了84.8%的平均准确率，实验结果表明合并增减序列方法可以降低脑电信号分析的复杂度，是一种有效的时域信号处理方法，双向长短时记忆网络可以有效提高睡眠分期准确率，具有良好的应用前景。     

基于门控递归神经网络的电网日峰值负荷预测

日峰值负荷作为非线性、非平稳且波动的时间序列,难以准确预测。提出了一种结合动态时间规整（DTW）的门控递归神经网络（GRNN）用于准确预测日峰值负荷。利用DTW距离用于匹配最相似的负荷曲线,可以捕捉负荷变化趋势。采用热编码方案对离散变量进行编码,扩展其特征从而表征对负荷曲线的影响。提出了一种基于DTW的门控递归单元（DTW-GRU）算法用于日峰值负荷预测,并在欧洲智能技术网络（EUNITE）数据集上进行了测试。仿真结果表明,与其他算法相比,该算法的MAPE仅为1.01%。     

精神疲劳实时监测中多面部特征时序分类模型

针对现有疲劳监测方法仅根据单帧图像嘴巴形态进行哈欠识别准确率低,采用阈值法分析眨眼参数适应性较差,无法对疲劳状态的过渡进行实时监测等问题,提出一种新的进行精神疲劳实时监测的多面部特征时序分类模型.首先,通过面部视觉特征提取张口度曲线与虹膜似圆比曲线;然后,采用滑动窗口分段、隐马尔可夫模型(HMM)建模等方法在张口度曲线的基础上构建哈欠特征时序并进行类别标记,在虹膜似圆比曲线的基础上构建眨眼持续时间时序并进行类别标记;最后,在HMM的基础上增加时间戳,以便自适应地选取时序初始时刻点并进行多个特征时序的同步与标记结果的融合.实验结果表明,本文模型可降低哈欠误判率,对不同年龄的人群眨眼具有很好的适应性,并可实现对精神疲劳过渡状态的实时监测.     

Prediction of COVID-19 Pandemic Spread in Kingdom of Saudi Arabia

A significant increase in the number of coronavirus cases can easily be noticed in most of the countries around the world. Inspite of the consistent preventive initiatives being taken to contain the spread of this virus, the unabated increase in the cases is both alarming and intriguing. The role of mathematical models in predicting and estimating the spread of the virus, and identifying various preventive factors dependencies has been found important and effective in most of the previous pandemics like Severe Acute Respiratory Syndrome (SARS) 2003. In this research work, authors have proposed the Susceptible-Infectected-Removed (SIR) model variation in order to forecast the pattern of coronavirus disease (COVID-19) spread for the upcoming eight weeks in perspective of Saudi Arabia. The study has been performed by using SIR model with a proposed simplification using average progression for further estimation of β and γ values for better curve fittings ratios. The predictive results of this study clearly show that under the current public health interventions, there will be an increase in the COVID-19 cases in Saudi Arabia in the next four weeks. Hence, a set of strong health primitives and precautionary measures are recommended in order to avoid and prevent the further spread of COVID-19 in Saudi Arabia.     

基于动态规划的Needleman-Wunsch双序列比对算法的分析与研究

生物序列比对是生物信息学中最基础的研究课题之一。基于动态规划的Needleman- Wunsch双序列比对算法主要采用迭代算法及空位罚分规则对基因序列进行逐一比对,计算二者相似性得分,最后通过回溯分析得出序列之间的最佳比对。虽然该算法可以得到最佳比对结果,但是时间复杂度和空间复杂度较高。首先对原算法进行分析,对计算得分和回溯进行改进。接着设计2次实验,以金黄色葡萄球菌和银葡萄球菌分别作为目标序列和待比对序列,分别生成序列长度范围相同和不同的5组数据进行实验测试。最后通过对新型冠状病毒和SARS病毒全序列进行比对,进一步验证了改进算法的有效性。实验结果表明,改进后的算法可以缩短序列比对时间,提高序列比对效率。     

On solvability,regularity, and locality of the problem of genome annotation

Determination of the nucleotide sequences of hundreds of organisms (in the first place, the human genome) is a significant technical achievement of modern biology. The next stage of studying the genome is to determine the functions of each gene and the corresponding protein: the so-called genome annotation. The existing methods of classifying the biological roles of proteins on the basis of the amino acid sequence are restricted to searching for similar sequences in a database and, as a result, have limited applicability. In this paper, a formalism is introduced for studying this problem in the framework of the algebraic approach and the solvability, locality, and regularity of the problem and monotonicity of the condition of solvability are considered. The proposed formalism enables one to study systematically the hypothesis of locality of various biological roles of proteins.     

使用PSNR周期特性检测视频帧率上转伪造

帧率上转（FRUC）是最常用的一种视频编辑技术,它在原始视频帧间周期性地插入新的帧,以便增加视频的帧率,这种技术经常用于两段不同帧率的视频拼接伪造中。为了减少视觉痕迹,高级的FRUC方法通常采用运动补偿的插值方式,这也带来了针对这种插值伪造检测的挑战。在本文,我们提出一种新的简单但有效的方法,可正确检测出这种伪造,并能估计出视频的原始帧率。该方法利用了FRUC算法生成的插值帧与相邻原始帧构成的视频序列再次插值重建得到的帧对在PSNR上的周期性差异。测试序列的实验结果表明本文方法检测准确率高,其中对有损压缩视频序列的测试结果进一步证实了该方法的实际使用价值。     

Feature representation and selection in malicious code detection methods based on static system calls

Currently almost all static methods for detecting malicious code are signature-based, this leads the result that viruses can easily escape detection by simple mechanisms such as code obfuscation. In this paper, a behavior-based detection approach is proposed to address this problem. The behaviors of interest are defined as static system call sequences. Unlike the traditional approach, which derives system call sequences by running executables (i.e., dynamic system call sequences), this approach statically analyzes binary code to derive system call sequences. In this paper, a method for deriving static system call sequences is presented, and two automatic feature-selection methods based on n-grams are proposed. We use machine-learning methods, including the K-nearest neighbor, Support Vector Machine, and decision tree methods to classify executables. The proposed approach is compared with the dynamic detection approach using dynamic system call sequences. The experimental results show that the proposed approach has higher accuracy and a lower false positive rate than the dynamic detection approach.     

基于神经网络的SARS传播模型

神经网络具有并行分布式处理、联想记忆、自组织、自学习的能力,通过学习可以逼近任意非线性映射,使它成为非线性复杂系统常用的建模工具和预测方法。各种疾病(包括SARS)的传染规律是一个非常复杂的问题,具有高度的非线性性。文章没有走以传统的微分方程、指数函数为理论基础的老路,尝试采用3层反馈神经网络模型建立SARS的传染模型,用其预报SARS的传播规律。     

Shadow detection for moving objects based on texture analysis

This paper presents a new approach for shadow detection of moving objects in visual surveillance environment, improving localization, segmentation, tracking and classification of detected objects. An automatic segmentation procedure based on adaptive background difference is performed in order to detect potential shadow points so that, for all moving pixels, the approach evaluates the compatibility of photometric properties with shadow characteristics. The shadow detection approach is improved by evaluating the similarity between little textured patches, since shadow regions present same textural characteristics in each frame and in the corresponding adaptive background model. In this work we suggest a new approach to describe textural information in terms of redundant systems of functions. The algorithm is designed to be unaffected by scene type, background type or light conditions. Experimental results validate the algorithm's performance on a benchmark suite of indoor and outdoor video sequences.     

基于运动信息的镜头切变检测算法

镜头检测算法的研究是视频分析与检索中较为活跃的研究领域之一。该文提出了一种基于运动信息的镜头切变检测算法，该算法采用四叉树算法分析视频序列的运动信息，进而提取基于运动信息的特征矢量，由提取的特征矢量可以检测出视频序列中的镜头切变点。实验表明该算法是有效的，可行的，并且具有非常强的抗干扰能力。