脑网络中不同负连接处理方法的重测信度研究

为了准确刻画和评估脑功能网络的拓扑结构,如何定义网络的节点和边缘至关重要。基于四种节点定义策略和两种负连接处理方法来构建脑功能网络,并对其进行不同时间间隔的重测信度分析,通过绝对值与正相关网络的比较旨在发现负连接对脑功能网络可靠性的影响。实验结果表明,包含负连接信息的绝对值网络表现出相对较低的长期可靠性,并受到节点定义策略的限制。不同负连接处理方法的重测信度差异为人脑的功能网络研究提供了方法学建议。     

MCI患者高阶动态功能连接的图论网络构建方法及分类

针对在低阶脑网络应用图论忽视了功能连接高阶动态性的问题,提出了一种基于高阶动态功能连接的图论网络构建方法(GNC-HodFC),提取高阶FC网络的图论特征以对轻度认知障碍患者和健康被试者进行差异性分析及分类。首先定义了表征高阶动态脑网络连接的图论节点和边;然后利用滑动窗相关技术提取低阶功能连接信息,提出平稳性判据,选取最优特征子集以构建图论的节点;最后提出自适应阈值策略对高阶动态功能连接信息进行选取以构建图论的边,最终完成高阶动态脑网络的图构建。实验结果表明,GNC-HodFC的平均分类准确率可以达到70.5%,优于其他三种对比方法,且患者组和健康组的图论特征中存在显著性差异,GNC-HodFC方法可以为轻度认知障碍的诊断提供新的辅助手段。     

静息态人脑功能超网络模型鲁棒性对比分析

鲁棒性作为一种动态行为也是超网络领域的研究热点,对构建鲁棒网络具有重要的现实意义。尽管对超网络的研究越来越多,但对其动态研究相对较少,尤其是在神经影像领域。在现有的脑功能超网络研究中,大多是探究网络的静态拓扑属性,并没有相关研究对脑功能超网络的动力学特性——鲁棒性展开分析。针对这些问题,文中首先引入lasso,group lasso和sparse group lasso方法来求解稀疏线性回归模型以构建超网络;然后基于蓄意攻击中的节点度和节点介数攻击两种实验模型,利用全局效率和最大连通子图相对大小探究脑功能超网络在应对攻击时的节点失效网络的鲁棒性,最后通过实验进行对比分析,以探究更为稳定的网络。实验结果表明,在蓄意攻击模式下,group lasso和sparse group lasso方法构建的超网络的鲁棒性更强一些。同时,综合来看,group lasso方法构建的超网络最稳定。     

基于复杂网络的情感脑电相位同步性分析

使用相位锁值（Phase locking value,PLV）来量化任意两个电极通道之间的相位同步性,构建相应的脑功能网络的关联矩阵,提取网络不同稀疏度下的度、中间中心度两个局部属性的曲线下面积作为特征,对不同类型情感的网络特征进行非参数检验,找出显著性的节点。同时采用得到的特征值作为分类依据,训练SVM分类器。实验表明,利用PLV相位同步方法得到功能网络的局部属性,可以有效地区分不同类型的情感脑电数据,为基于脑电数据的情感识别提供了一种有效的方法。     

多节点规模下的抑郁症功能脑网络分类研究

脑网络作为复杂网络分析方法在神经影像领域的应用已得到广泛的认可。研究发现脑网络中的节点规模对网络的拓扑属性会产生重要的影响。利用静息态功能影像数据,在5种不同的节点规模下分别完成抑郁症患者和正常对照的脑网络构建,比较了网络拓扑属性的变化,并选择了4种不同的分类算法进行脑疾病分类研究。结果表明,网络节点数量不仅对拓扑属性产生了影响,而且对分类模型的构建也有直接作用。支持向量机(RBF核函数)模型在节点规模为250时,分类效果最好,平均正确率为83.18%。该研究结果在抑郁症的临床诊断中具有重要的应用价值,为基于脑网络的机器学习分类研究在网络节点规模的选择上提供了重要的参考依据。     

基于sparse group Lasso方法的脑功能超网络构建与特征融合分析

功能超网络广泛地应用于脑疾病诊断和分类研究中,而现有的关于超网络创建的研究缺乏解释分组效应的能力或者仅考虑到脑区间组级的信息,这样构建的脑功能超网络会丢失一些有用的连接或包含一些虚假的信息,因此,考虑到脑区间的组结构问题,引入sparse group Lasso（sgLasso）方法进一步改善超网络的创建。首先,利用sgLasso方法进行超网络创建;然后,引入两组超网络特有的属性指标进行特征提取以及特征选择,这些指标分别是基于单一节点的聚类系数和基于一对节点的聚类系数;最后,将特征选择后得到的两组有显著差异的特征通过多核学习进行特征融合和分类。实验结果表明,所提方法经过多特征融合取得了87.88%的分类准确率。该结果表明为了改善脑功能超网络的创建,需要考虑到组信息,但不能逼迫使用整组信息,可以适当地对组结构进行扩展。     

基于典型相关的脑功能网络构建方法

人脑是自然界中最复杂的系统之一,在该系统中,各个脑区之间相互作用构成脑网络．为方便科学研究,学者们通过不同的方法构建脑功能网络．本文基于自动结构标签模板和典型相关来构建脑功能网络,并研究了所构建网络的某些关键的拓扑性质,如小世界性,全局效率,局部效率等．与此同时,比较了正常被试与心理异常海员脑功能网络的这些性质,结果表明在统计意义上正常被试和心理异常海员某些性质存在显著性差异,说明此种脑功能网络构建方法是可行的．     

节点效用最大化的服务功能链构建方法

网络严重依赖中间件盒子来提供关键的服务功能,随着软件定义网络（SDN）与网络功能虚拟化（NFV）技术的发展,如何利用新技术部署中间件盒子并引导流量通过特定顺序的中间件盒子完成服务功能链构建成为亟待解决的问题。针对SDN+NFV环境下的服务功能链构建问题,提出一种节点效用最大化的服务功能链协同构建方法NUM（Node Utility Maximization）。首先结合SDN+NFV技术设计了一种服务功能链协同构建机制;其次,根据机制中资源处理器所解决的中间件盒子部署和流量引导问题,建立了节点选择模型和效用最大化模型;最后,利用禁忌搜索改进组合模拟退火算法对该模型进行求解。仿真实验表明,NUM方法与主流方法相比在构建时间、构建成功率以及网络拥塞率上具有优越性,同时采用所提出的服务链构建方法在节点效用上提高约20%。     

一种基于能耗均衡的分区节点部署算法

鉴于能耗问题是无线传感器网络研究的重要问题, 首先建立一种非均匀部署网络拓扑模型, 该模型中越靠近sink 的区域节点部署越密集, 节点通信距离越小; 然后针对节点初始随机部署情况, 提出一种基于节点能耗均衡的分区域节点重部署算法, 该算法利用分区域的节点移动, 减少节点移动距离, 降低移动能耗, 提高算法收敛速度; 最后通过仿真表明, 所提出的算法可以用较少数量的节点覆盖监测区域, 保证网络中各节点能量均衡消耗, 提高网络生存周期.

     

脑网络分析方法及其应用

网络结构作为一种常见的数据关系表示方法被大量运用在各类研究中。人的大脑也可通过定义节点和连接边的方式抽象成一个复杂的网络结构。这个网络通常被简称为脑网络,其结构与人类的认知功能和脑疾病存在密切联系。分析和研究脑网络可以为人类探索大脑工作方式、研究神经性退化疾病的病理机制、改善心理疾病及大脑损伤的诊断治疗提供有力的工具。目前,脑网络分析及其应用已成为计算机与生物信息、医学等交叉学科中的研究热点。本文旨在回顾脑网络分析中的典型方法和应用,并按照脑网络构建、脑网络表示、脑网络分析3个部分加以介绍。最后,总结全文并展望未来研究方向。     

一种获取渔场知识的数据挖掘模型及知识表示方法研究*

提出了一种获取渔场知识的数据挖掘模型及知识表示方法。首先利用SVM(支持向量机)和模糊分类器从数据库中提取出有利于渔情预测的静态知识,然后通过可拓挖掘方法将静态知识转换为动态知识,最后采用本体构建技术对渔场的静态知识和动态知识进行表达,建立本体知识库。在上述方法的研究基础上,建立了以印度洋大眼金枪鱼为例的渔情预测原型系统。系统运行结果表明,提出的获取渔场知识的数据挖掘模型及知识表示方法是有效可行的。     

一种新的面向渔情预测的智能数据处理模型研究*

结合印度洋大眼金枪鱼渔业应用背景,提出一种新的面向渔情预测的智能数据处理模型。首先利用支持向量机（SVM）对样本数据进行训练,并运用模糊分类器对支持向量进行规则提取;然后对条件和结论分别进行可拓变换和传导变换,获得渔场动态知识。实验结果表明,获得的动态知识具有更强的解释性,对丰富渔情预测方法、解释渔场形成机制具有重要意义。     

企业自演化动态本体表示策略的研究

领域知识的非规范化组织严重阻碍了本体及知识库的共享,本体的主观性和知识的快速更新提出了本体演化需求,也就需要对领域知识本体的动态属性进行表示,建立动态本体,适应对本体及知识库共享的需求。本文以情景演算理论为基础,对活动动态本体进行了刻画;在分析企业活动之后构建了企业动态本体,并以构建企业生产管理的动态过程信息表示为例进行了实例描述;提出了本体自演化动态模型;给出了基于本体学习与冲突触发的本体自演化版本态迁移图,对本体演化过程中的版本进行管理,实现动态本体的自动复盘,最终建立实现企业职能的动态的共享本体模型。     

一种应急预案本体模型及其应用研究*

目前,应急预案是分布于多个单位的非结构化文档,缺乏统一的建模方法,造成对预案描述的领域知识进行表示和利用存在困难。为解决以上问题,提出一种基于本体的知识建模方法,对应急预案文本进行建模,并实现应急领域知识共享。根据对应急预案文本结构特征进行分析,在重用现有本体模型的基础上提出了各主要要素的本体模型,形成一种应急预案本体模型（emergency plan ontology model,EPOM）。通过利用该方法对某区域防汛应急预案进行本体知识建模,开展应用研究。应用结果表明,该方法能够有效建模应急预案描述的     

基于语义描述的Web服务工作流动态组合研究

传统静态工作流很难适应动态的、灵活的现代业务流程。近年来Web服务技术不断发展，使得工作流中的活动以Web服务形式的实现，而且工作流本身也可以以Web服务的形式被调用，特别是语义Web技术的发展，为计算机实现自动Web服务工作流提供了可能。本文基于本体论提出了一个半结构化工作流本体模型，并在此基础上设计了基于Agent技术的Web服务工作流系统。     

Dynamic knowledge modeling and fusion method for custom apparel production process based on knowledge graph

Compared with ordinary mass-produced apparel products, custom apparel products will generate more data at each stage of their life cycle. Such data is in a highly dynamic state, while the relationship between the data is more complex. However, the current use of traditional relational data to store the whole life cycle data of custom apparel products has several problems of high redundancy, weak correlation, discrete distribution, and certain limitation of storage capacity. Therefore, based on knowledge graph, a dynamic knowledge modeling and fusion method is proposed for the production process of custom apparel. Firstly, an ontology-based knowledge modeling method is designed for custom apparel, which defined three types of ontology modeling methods for the process, resources, and features. On this basis, a knowledge graph construction method based on bi-directional fusion for the custom apparel production system is proposed. With one order as a unit, a knowledge graph facet (KGF) model, as well as the derived knowledge representation, generation and fusion method, is established to realize dynamic knowledge fusion of the custom apparel production process. Finally, taking the suit production process of a custom apparel factory as an example, the corresponding knowledge graph is constructed based on the ontology knowledge model, and the effectiveness of the proposed knowledge fusion method is verified.     

基于混合Agent的实时分布监控系统软件设计方法

给出了以审慎Agent和反应Agent模型为基础的混合Agent模型,并对模型的有关概念进行了说明.在混合Agent模型框架下,提出了实时分布系统软件设计方法,主要内容包括采用UML并且充分考虑系统的动态和静态特征的本体设计过程,基于本体的交互协议Petri网形式化描述以及行为规范分类和设计.通过设置反映内存保证混合Agent对事件实时响应,而审慎Agent部分的存在使基于Agent的精神状态和输入事件的推理成为可能.     

基于本体的多智能体Internet动态路由研究

在Internet路由方面,传统采用的点对点或广播方式不能满足网络信息传输的效率要求,而采用组播方式缓解这个问题的相关研究大多为静态方法,不能很好地解决Internet提出的动态问题。为了实现高效率、自适应的Internet动态路由策略,在多Agent技术和本体论知识基础上,提出基于本体建立开放式多智能体Internet动态路由结构框架的思想。建立了基于多Agent的体系架构,并使用主体开发工具Protégé描述Internet主动路由的概念主体和任务主体模型,以支持Agent之间的知识共享和通信。根据该体系架构建立基于多Agent的Internet路由控制与分析系统（Multi-Agent Internet Routing System,MAIRS）。通过与相同实验环境下NS2的仿真结果进行比较,表明这个结合多Agent技术和本体方法的体系结构能够满足Internet路由的动态性和互操作性的需求。     

基于SDSS的渔业资源预测决策系统

针对经济渔业资源特点,实现渔业资源及决策信息的图形化展示,提出用本体库取代知识库构建空间决策支持系统,优化知识组织方式,提高查询效率。将数据库、模型库、本体库与GIS有机集成,为决策者提供资源发展事态信息。融合灰色预测模型和BP神经网络的优点构建灰色神经网络预测预警模型,通过东海经济渔业资源数据进行实证分析,实验结果表明,该预测预警模型具有较高的精确度及较好的效果。     

基于本体的军事装备知识建模及分析

针对本体建模过程中不同受众具有不同应用需求的问题,结合本体建模七步法和软件开发螺旋模型提出基于需求的螺旋反馈法。首先,明确领域知识范畴和用户需求,进行本体总体设计;其次,领域专家依据本体构建原则评估知识体系;再次,组装知识体系模型,定义本体属性,创建实例,完成本体详细设计;最后,用户评估反馈,进行新一轮的增量迭代,直至形成正确可用的知识体系。与七步法相比,所提方法强调本体测试和用户需求,以小的分段来构建领域知识模型。此外,运用该方法实现的军事装备知识体系面向作战需求,为军事作战提供强有力的理论支撑。