药物设计构效关系研究的聚类—判别分析方法*

尝试在药物设计构效关系研究中引入分层聚类与判别分析相结合的数量化方法,并以芳氧基乙酰肼衍生物对单胺氧化酶的抑制率为例,具体说明了该方法的实现步骤和结果分析。该方法所得的结果直观生动,可以在实际实验之前较明显地判别出新样本（化合物）的活性属类,对化合物进行活性预测,以指导新化合物的合成。该方法为药物分子设计中判断未知化合物的生物活性提供了新的思路。     

药物设计构效关系研究的聚类-判别分析方法

尝试在药物设计构效关系研究中引入分层聚类与判别分析相结合的数量化方法,并以芳氧基乙酰肼衍生物对单胺氧化酶的抑制率为例,具体说明了该方法的实现步骤和结果分析.该方法所得的结果直观生动,可以在实际实验之前较明显地判别出新样本(化合物)的活性属类,对化合物进行活性预测,以指导新化合物的合成.该方法为药物分子设计中判断未知化合物的生物活性提供了新的思路.     

基于投影寻踪插值模型鉴别化合物毒性的研究

根据已知样本的测试信息,鉴别未知样本的性质在实际应用中具有重要的意义.选择半有效浓度、正辛醇/水分配系数等描述化合物毒性的一批参数为描述变量,根据已知的21个样本的先验知识,分析样本的最佳投影值及其对应等级的关系,构建鉴别化合物毒性的投影寻踪插值模型,并鉴别2个未知样本的毒性分类.结果表明:应用基于投影寻踪插值模型与其它模型的分类结果一致.此外,该模型比其它模型分类精度高,是更具应用前景的新方法.     

环境化合物降解预测模型的研究

为建立化合物降解的计算机预测模型,确定降解和非降解化合物显然不同的参数.选择389个有机分子作为数据集,选其中312个为训练集,其余77个为验证集,每个分子计算195个分子参数,分别采用逐步判别法和主成分分析法建模,并用外部验证集验证模型的预测能力.结果:逐步判别法分析结果中,训练集的降解和非降解化合物的正确率分别为90.6%和69.5%;验证集的降解和非降解化合物的正确率分别为83.9%和63.6%.主成分分析结果在测试集中,降解和非降解化合物的正确率分别为80.4%和31.8%.验证集的降解化合物和非降解化合物的正确率分别为67.9%和50.0%.因此,采用逐步判别法模拟而建立的数学模型,可作为预测化合物降解的模型.以卜研究可以为预测有机物降解提供参考.     

基于HPLC-UV与空间夹角判据的化妆品中对羟基苯甲酸酯分析

将HPLC-UV法与空间夹角判据结合,建立了化妆品中对羟基苯甲酸酯定量分析方法。通过高效液相色谱对待测样本进行分离,构建不含被测组分的本底数据库,基于空间夹角法步骤批量测定了化妆品样本中对羟基苯甲酸酯。结果表明:该方法计算结果和高效液相色谱分析结果接近,相对误差小于5.00%,回收率为97.95%~101.83%,RSD值为1.05%。方法快速、准确,降低了试剂消耗量,为降低化妆品的检测成本和现场分析提供了可行方案。     

地震预报专家系统中学习样本的构建

如何选择和处理学习样本是地震预报专家系统中非常重要的问题。该文在分析以前方法的特点和不足的基础上,提出了异常驱动样本构造法,并用基于RBF神经网络的属性约简方法来处理学习样本。使用异常驱动样本构造法可以方便、科学地根据异常属性出现的频率选择学习样本的属性和根据每条样本的空缺属性率选择学习样本。基于RBF神经网络的属性约简方法利用RBF(RadialBasisFunction)神经网络的特点来量化各维属性对结果的影响程度,从而约简对结果影响程度小的属性。通过实验,表明了用该文方法进行地震预报样本的选择和处理,能明显地提高地震预报的精度。     

应用悬汞电极对彩色显影液稳定性的研究

改善彩色显影液的稳定性已被人们重视和研究,含有特定化合物的显影液,可以有效地提高稳定性。本文应用悬汞电极和极谱法来测定彩色显影液中显影剂的含量,从而筛选出优良的特定化合物推荐应用,用极谱法测定彩色显影液中彩色显影剂含量优于其他铈量法等分析方法,为研究和分析提供满意的结果。     

加权决策模板业务感知算法

针对决策模板法在业务感知准确率上的局限性问题,提出了加权决策模板法。该方法首先利用有监督的神经网络模糊聚类分类器作为基本分类器,再通过混淆矩阵衡量分类器对样本不同类别的置信度,经过两级的性能权衡,赋予该算法更高的可信度。在训练阶段根据错误分类的样本构造一个附加的加权决策模板,若在测试阶段有样本离该模板的距离最近时,可以认为该样本被错误分类的可能性很大,从而保证该算法具有高识别准确率。实验结果表明,与决策模板法对比,加权决策模板法在业务感知上具有更高的准确性。     

故障样本的多指标集成加权分配方法

针对测试性验证实验中故障样本分配结果置信度比较低的问题,提出了一种多指标集成加权的分配方法。首先,综合分析故障属性与环境因子对故障样本分配结果置信度的影响,在此基础上,定量计算影响指标的值;其次,采用集成加权法确定各个指标的权重;最后,利用归一化后的指标比值进行故障样本分配。该方法改进了故障率、严酷度、危害度及指标权重的计算方法,并提出了故障样本分配中故障-环境关联度的计算方法。在某型装备故障样本分配中的应用结果表明,该方法的分配结果更合理,置信度更高,更具有实际应用价值。     

基于多目标遗传算法的超光谱波段选择

超光谱波段图像的信息冗余量很大,可以通过波段选择的方式简化分析.以白血病血液样本的光谱数据为例,以最佳指数和协方差为选择依据,通过多目标遗传算法实现了超光谱的波段提取.为了验证该法的有效性,对多目标算法与单目标遗传算法进行了比较实验,结果表明NSGA的选择结果总体更优于单目标算法,从一定程度上说明了该算法在光谱提取上的...     

多位取代喹诺酮药物的人工神经网络构效关系研究

利用人工神经网络研究69个喹诺酮类药物的构效关系,分别使用BP(Back Propagate)、LM(Levenberg-Marquardt)和RBF(径向基,Radial Basis Function)三种网络方法研究量子化学方法(MNDO法和AM1法)计算所得到的参数。BP网络结果不收敛,RBF网络收敛速度最快,不超过100次迭代就可得到较精确的迭代结果。LM和RBF两种网络预测训练集的正确率均达到100%。其中使用RBF网络和AM1法所得到的参数预测23个预测集的正确率82.6%,MNDO法预测预测集的正确率78.3%,体现了喹诺酮药物的氢键作用成分,结合多元回归分析和相关的耐药机理研究,提出喹诺酮药物的双氢键作用机理。人工神经网络方法可作为研究药物构效关系和研发新药物的有力工具。     

基于Laplacian正则化最小二乘的半监督SAR目标识别

提出了一种基于核主成分分析(kernel principal component analysis,简称KPCA)和拉普拉斯正则化最小二乘(Laplacian regularized least squares,简称LapRLS)的合成孔径雷达(synthetic aperture radar,简称SAR)目标识别方法.KPCA特征提取方法不仅能够提取目标主要特征,而且有效地降低了特征维数.Laplacian正则化最小二乘分类是一种半监督学习方法,将训练集样本作为有标识样本,测试集样本作为无标识样本,在学习过程中将测试集样本包含进来以获得更高的识别率.在MSTAR实测SAR地面目标数据上进行实验,结果表明,该方法具有较高的识别率,并对目标角度间隔具有鲁棒性.与模板匹配法、支撑矢量机以及正则化最小二乘监督学习方法相比,具有更高的SAR目标识别正确率.此外,还通过实验分析了不同情况下有标识样本数目对目标识别性能的影响.     

基于量子粒子群优化和隐马尔可夫模型的多序列比对算法*

针对用BaumWelch算法训练隐马尔可夫模型用于序列比对算法的搜索空间有限性容易陷入局部最优点的缺陷,提出一种用量子粒子群优化算法训练隐马尔可夫模型的生物多序列比对新方法。该方法克服了BaumWelch算法在收敛性能上的缺陷,在整个可行解空间中进行搜索。从BaliBASE数据库中选取测试例子进行数值实验,实验结果表明,所提算法优于BaumWelch算法,对标准例子进行的实验证明了算法的有效性。     

Sparse coding of 2D-slice Zernike moments for SAR ATR

In this article, a new type of feature, named two-dimensional (2D)-slice Zernike moments, is proposed for synthetic aperture radar (SAR) automatic target recognition (ATR). Target features play an extremely important role in the ATR system. Pixels with different scattering intensities distribute in different positions in SAR images, which represent target inherent signatures determined by the target’s characteristics, including global structure and local details. To extract these various scattering signatures, we developed a feature extraction technique named 2D-slice Zernike moments (2DS-ZMS), which can capture target global and local scattering field distribution information. First, the multilayer 2D-slices of a SAR image are extracted by uniformly cutting the 3D display SAR image along the amplitude direction. Then Zernike moments of each 2D-slice are calculated. Finally, the 2DS-ZMS of the SAR image are formulated into a column vector, called the feature vector. The obtained feature vectors of the targets are fed into a newly developed classifier, i.e. the sparse representation-based classifier (SRC). By projecting the testing sample feature vector on the dictionary made up of training samples feature vectors, the sparse coefficients are solved. The minimum reconstruction residual is adopted as the judgement criterion for predicting the test sample’s class label. Experiments on the moving and stationary target acquisition and recognition (MSTAR) data set validate the effectiveness and superiority of the proposed method.     

星载SAR影像上船舶方位向模糊去除算法

目的 掌握海上船舶分布状态对于海上交通流分析和通航安全管理具有重要作用。遥感技术,特别是星载合成孔径雷达(SAR)技术的发展,为大范围海上船舶检测提供了有效的手段,但受SAR成像机制影响,海上船舶目标在星载SAR影像上通常存在着不同程度的方位向模糊噪声,这些噪声易被误判为船舶,导致船舶识别中虚警率提高。方法 本文简述了方位向模糊噪声的产生原因,提出了一种新的星载SAR影像上船舶方位向模糊去除算法,该算法的核心是构建目标方位向角度一致性、方位向位置偏移距离和方位向模糊能量衰减3个判别规则,对潜在SAR影像亮斑目标进行逐层筛选,实现船舶真实目标和方位向模糊目标的判别。结果 选取中国渤海海域和黄海海域的30 m分辨率的Radarsat-2数据进行案例分析,并与船舶自动识别系统(AIS)实测数据进行比对校验,结果表明,传统的双参数恒虚警率(CFAR)算法和基于K分布的CFAR等算法对于船舶难以剔除方位向模糊,容易造成虚警,而本文算法对实验影像的船舶方位向模糊去除准确率优于95.8%,能够有效剔除船舶方位向模糊。结论 该算法为星载SAR影像上船舶方位向模糊去除提供了新的手段,有助于提高SAR影像上船舶目标检测的准确性。     

Multi-polarimetric SAR image compression based on sparse representation

The use of sparse representation in signal and image processing has gradually increased over the past few years.Obtaining an over-complete dictionary from a set of signals allows us to represent these signals as a sparse linear combination of dictionary atoms.By considering the relativity among the multi-polarimetric synthetic aperture radar(SAR)images,a new compression scheme for multi-polarimetric SAR image based sparse representation is proposed.The multilevel dictionary is learned iteratively in the 9/7 wavelet domain using a single channel SAR image,and the other channels are compressed by sparse approximation,also in the 9/7 wavelet domain,followed by entropy coding of the sparse coefficients.The experimental results are compared with two state-of-the-art compression methods:SPIHT(set partitioning in hierarchical trees)and JPEG2000.Because of the efficiency of the coding scheme,our method outperforms both SPIHT and JPEG2000 in terms of peak signal-to-noise ratio(PSNR)and edge preservation index(EPI).     

用于文本分类的改进KNN算法

采用灵敏度方法对距离公式中文本特征的权重进行修正;提出一种基于CURE算法和Tabu算法的训练样本库的裁减方法,采用CURE聚类算法获得每个聚类的代表样本组成新的训练样本集合,然后用Tabu算法对此样本集合进行进一步维护(添加或删除样本),添加样本时只考虑增加不同类交界处的样本,添加或删除样本以分类精度最高、与原始训练样本库距离最近为原则。     

SAR图像相干斑抑制研究进展

相干斑抑制是SAR图像处理领域的研究热点之一,也是SAR图像解译和应用中的关键步骤,因此SAR图像的相干斑抑制算法具有重要的研究价值。在简要介绍SAR图像相干斑的产生机理和数学模型的基础上,综述了国内外相干斑抑制的最新研究成果,重点分析了空域滤波和变换域滤波两类方法。从算法的可行性角度出发,分析了几种具有代表性的相干斑抑制方法及其优缺点,总结了常用相干斑抑制效果评价指标,最后对今后工作方向进行了展望。     

基于特征融合卷积神经网络的SAR图像目标检测方法

针对合成孔径雷达图像目标在背景复杂、场景较大、干扰杂波较多情况下检测困难的问题,设计一种层数较少的卷积神经网络,在完备数据集验证其特征提取效果后,作为基础特征提取网络使用。在训练数据集中补充复杂的大场景下目标训练样本。同时设计一种多层次卷积特征融合网络,增强对大场景下小目标的检测能力。通过对候选区域网络和目标检测网络近似联合训练后,得到一个完整的可用于不同的复杂大场景下SAR图像目标检测的模型。实验结果表明,该方法在SAR图像目标检测方面具有较好的效果,在测试数据集中具有0.86的AP值。     

Coastline extraction from SAR images using spatial fuzzy clustering and the active contour method

Coastline extraction from synthetic aperture radar (SAR) data is difficult because of the presence of speckle noise and strong signal returns from the wind-roughened and wave-modulated sea surface. High resolution and weather change independent of SAR data lead to better monitoring of coastal sea. Therefore, SAR coastline extraction has taken up much interest. The active contour method is an efficient algorithm for the edge detection task; however, applying this method to high-resolution images is time-consuming. The current article presents an efficient approach to extracting coastlines from high-resolution SAR images. First, fuzzy clustering with spatial constraints is applied to the input SAR image. This clustering method is robust for noise and shows good performance with noisy images. Next, binarization is carried out using Otsu’s method on the fuzzification results. Third, morphological filters are used on the binary image to eliminate spurious segments after binarization. To extract the coastline, an active contour level set method is used on the initial contours and is applied to the input SAR image to refine the segmentation. Because the proposed approach is based on an active contour model, it does not require preprocessing for SAR speckle reduction. Another advantage of the proposed method is the ability to extract the coastline at full resolution of the input SAR image without degrading the resolution. The proposed approach does not require manual initialization for the level set method and the proposed initialization speeds up the level set evolution. Experimental results on low- and high-resolution SAR images showed good performance for coastline extraction. A criterion based on neighbourhood pixels for the coastline is proposed for the quantitative expression of the accuracy of the method.