基于最小点覆盖及多参数方法的关键蛋白识别

针对已有方法对关键蛋白识别度不高的现状,认为进一步提高识别度有两条途径：一是发现与关键蛋白关系更密切的参数,二是充分挖掘现有参数的信息并进行有效地整合。由于点覆盖在网络（图）拓扑结构上的重要地位而研究将其引入关键蛋白质的识别中：针对算法的复杂性引进参数计算的相关算法将复杂度大幅度降低的同时对蛋白质网络进行最小点覆盖分析并获得一种新的拓扑参数-点覆盖参数,相关分析表明该参数与关键蛋白有着密切的联系。进一步研究发现,参数之间相关性的大小在很大程度上预示它们所蕴含的关键蛋白信息之间互补性的强弱,根据这一发现探讨利用包括点覆盖在内的各个参数的有限信息进行有效整合,仿真结果证实该方法能明显提高关键蛋白识别度。     

一种新的拓扑参数及其蛋白质网络 关键节点识别 *

针对已有拓扑参数对关键蛋白识别度不高的现状,根据蛋白质网络的特点,结合参数计算方法,提出一 个新的用来描述节点重要性的拓扑参数—— —点覆盖参数。为了避开该参数精确求解方法中可能出现的NP- 难 问题,从稀疏网络出发,在研究低度点核化技术的基础上,将确定算法与非确定算法相结合,提出基于随机核化 的快速算法（A_R_K算法）。实验结果显示,所获得的点覆盖参数不仅可以有效地描述网络节点的拓扑重要性, 而且其关键蛋白识别度也明显高于其他参数。     

Internet AS拓扑的“73/27”规律

为了深入理解和认清Internet AS拓扑中节点度的分配规律,提出适合Internet AS拓扑的幂律模型,利用该模型推导Internet AS拓扑中最富有节点数占网络总节点数的比例与这些最富有节点所拥有的节点度数占网络节点总度数的比例之间的关系,分析研究幂律指数和最大节点度等拓扑参数对该比例关系的影响,通过数值分析发现Internet AS拓扑中27%的最富有节点拥有约73%的节点度数（简称为“73/27”规律）,基于Internet AS拓扑经验数据对上述结果进行验证分析,结果表明该幂律模型对Internet AS拓扑是有效的,Internet AS拓扑存在“73/27”规律。     

一种基于遗传算法的PPI网络全局比对算法

蛋白质相互作用网络比对在识别同源蛋白质或者蛋白质功能模块、蛋白质功能预测等方面具有十分重要的生物学意义.通常从拓扑特性和生物特性两个方面来衡量网络比对的结果，而现有的网络比对算法很难同时取得好的拓扑特性和生物特性.基于此，本文提出一种新的网络比对算法NABG.NABG利用最小度启发式算法计算节点在网络中的重要性，并基于重要性得分计算节点对的拓扑相似性，引入节点对的序列相似信息，使拓扑和生物相似性高的蛋白质对被比对上；基于结合了节点相似性和边保守性的目标函数，使用遗传算法模拟生物进化过程来优化比对结果.NABG分别在合成网络和真实网络上进行了实验，并与MGANA++、PROPER、SPINAL等算法作比较分析.实验结果表明，NABG的比对结果在拓扑指标以及生物指标上能保持均衡的高指标且更具有生物学意义.     

基于复合物参与度和密度的关键蛋白质预测

针对在蛋白质相互作用网络上的关键蛋白质识别只关注拓扑特性,蛋白质相互作用数据中存在较高比例的假阳性数据以及基于复合物信息的关键蛋白质识别算法对节点的邻域信息和复合物的挖掘对关键蛋白质的识别影响效果考虑不够全面等导致的识别准确率和特异性不高的问题,提出一种基于复合物参与度和密度的关键蛋白质预测算法PEC。首先融合GO注释信息和边聚集系数构造加权PPI网络,克服假阳性对实验结果的影响;基于蛋白质相互作用的边权重,构造相似度矩阵,设计特征值间的最大本征差值来自动确定划分数目K,同时根据加权网络中的蛋白质节点度来选取K个初始聚类中心,进而利用谱聚类结合模糊C-means聚类算法实现复合物的挖掘,提高聚类的准确率,降低数据的维数;其次基于蛋白质节点的复合物参与度以及节点邻域子图密度,设计出关键节点的关键性得分。在DIP和Krogan 2个数据集上,将PEC与DC、BC、CC、SC、IC、PeC、WDC、LIDC、LBCC和UC 10种经典算法相比,实验结果表明,PEC算法能够识别出更多的关键蛋白质,且聚类结果的准确率和特异性较高。     

基于拓扑简化的自相似网络相关参数分析

本文基于简单串联网络拓扑结构的简化,对拓扑简化后的自相似网络的相关参数(节点缓存、节点排队负载)进行分析.通过分析简化前后的网络的性能(平均排队延迟、平均丢包率),提出简化后网络的节点缓存模型和节点负载模型.模型分析的结果分别说明了简化后的节点缓存大小与简化前节点缓存及负载、网络自相似程度之间的变化关系以及简化后节点负载与简化前节点负载、简化前后节点缓存大小比、网络自相似程度之间的变化关系.     

一种基于共线度的无线传感器网络定位算法

为了充分考虑锚节点之间以及锚节点与未知节点之间拓扑关系对无线传感器网络定位精度的影响,我们引入了共线度的概念并将其应用到多跳网络的节点定位中,在此基础上提出了一种基于共线度的无线传感器网络定位算法(CBLA).该算法首先动态地调节未知节点能够收集到的邻居锚节点信息,再通过共线度参数挑选网络中好的锚节点组进行位置估计,最后通过加权估计机制来得到最终的节点位置估计.理论分析和仿真结果表明,在规则网络中CBLA算法定位误差较小,最优情况下能够达到6%,在非规则网络中仍可达到较好的定位精度.     

无线传感器网络的连通性问题研究

无线传感器网络的初始配置最优可以减少传感器网络的拓扑变化和降低网络重置的能量消耗.对初始均匀随机分布的无线传感器网络的连通性进行了研究.运用覆盖理论给出了传感器节点的连通度概率分布模型,并在此模型基础上推导出传感器节点的通信半径与期望连通度概率最大之间的关系.仿真结果表明了结论的正确性.     

无线传感器网络能量均衡拓扑模型研究

针对BA模型仅考虑节点寿命对网络拓扑结构影响的现状,考虑到拓扑能量利用率不高会缩短网络生命周期,在分析网络平均剩余能量和通信半径对网络生命周期影响的基础上,提出一种无线传感器网络能量均衡拓扑模型.该模型在拓扑演化过程中,综合考虑节点剩余能量、通信半径和节点度,并引入剩余能量调节参数、通信半径调节参数和节点度调节参数,最终使剩余能量大的节点连接概率更高.理论分析和仿真实验结果表明,该模型不仅具有无标度网络的幂律特性,具有较好的稳定性,且能够均衡节点和网络能耗,延长网络的生命周期.     

融合多元影响力节点识别指标MPR的链接预测

多元网络通常是指节点之间存在多种维度链接关系的图结构.多元网络链接预测算法在构建相似度指标时,多数仅考虑单一维度网络的拓扑结构属性,未挖掘不同维度子网络之间存在的关联,影响链接预测的效果.针对该问题,提出一种基于多元全局节点影响力识别指标MPR的多元网络链接预测算法.通过定义一个多维度节点影响力排序指标MPR,度量多元网络空间中影响力较大的节点,并把影响力排名函数转化为潜在节点对之间的相似度得分,从而应用到多元网络链接预测场景中.在2个真实多元网络数据集上的实验结果表明,该算法的预测效果优于PR、EDC、ANC等对比算法,且具有较好的稳定性.     

结合时空拓扑特征和稀疏表达的人体行为识别算法

基于视觉的行为分析是图像处理、模式识别等领域重要研究内容之一,在公共安全和军事上有广泛前景。在固定单摄像机下,针对单特征描述力欠缺、运动遮挡、空洞和阴影等问题,提出一种结合时空拓扑特征和稀疏表达的行为识别算法。该算法利用随机投影融合拓扑结构、几何不变特征和时空Poisson信息构造强内聚高区分低维的时空拓扑特征,结合模拟人脑解决问题的加噪稀疏机制,识别近景人体行为。实验结果表明时空拓扑特征比单特征的识别率高12.79%,在噪声情况下识别率仅降低6.15%,多行为识别率达到87.78%;该算法具有较强的时空特征描述力、噪声鲁棒性和识别高效性。     

基于相关系数的磁墨字符信号识别算法

通过研究当前国内磁码的识别方法,提出了一种基于相关系数的磁墨字符信号快速识别算法。该算法是以支票磁码信号为识别目标,以统计分析方法,确立了检测阈值,运用Matlab软件将采集到的整张支票的磁码长信号进行一系列的预处理及信号分离,把分离出的单个磁墨字符信号与每个标准磁墨字符信号求相关,以相关系数作为待识别磁码与标准磁码的相似性度量标准,以最大相关系数所对应的标准磁墨字符符号作为最终识别结果,实现整个磁码信号的识别。对大量的实验结果进行统计分析得出,该识别算法运算速度快、实时性好,识别精度达99.9%以上。     

维吾尔语的重音检测

根据维吾尔语词重音的位置规律进行音节级标注,提取不同的特征参数（能量、基频等）,对各个特征参数作单流、分流及特征级融合识别实验,对比分析各特征参数对重音检测识别率的影响。对融合后的高维单流特征采用主成分分析作降维、去冗余处理,并作识别实验。参照识别精确率结合语音语言学知识对实验结果进行分析。     

Improving Iris Recognition Performance Using Segmentation, Quality Enhancement, Match Score Fusion, and Indexing

This paper proposes algorithms for iris segmentation, quality enhancement, match score fusion, and indexing to improve both the accuracy and the speed of iris recognition. A curve evolution approach is proposed to effectively segment a nonideal iris image using the modified Mumford–Shah functional. Different enhancement algorithms are concurrently applied on the segmented iris image to produce multiple enhanced versions of the iris image. A support-vector-machine-based learning algorithm selects locally enhanced regions from each globally enhanced image and combines these good-quality regions to create a single high-quality iris image. Two distinct features are extracted from the high-quality iris image. The global textural feature is extracted using the 1-D log polar Gabor transform, and the local topological feature is extracted using Euler numbers. An intelligent fusion algorithm combines the textural and topological matching scores to further improve the iris recognition performance and reduce the false rejection rate, whereas an indexing algorithm enables fast and accurate iris identification. The verification and identification performance of the proposed algorithms is validated and compared with other algorithms using the CASIA Version 3, ICE 2005, and UBIRIS iris databases.      

指纹拓扑模式构建及其在识别中的应用

现有指纹识别算法对指纹图像质量要求较高,特别是在变形指纹识别中鲁棒性不强。基于指纹特征属性和细节点、脊线拓扑关系的拓扑模式从整体到局部,具备以拓扑性质为基础的不同层次的几何不变性,在指纹变形中具有更高的鲁棒性。通过对指纹细节点、脊线属性及点、线拓扑关系的分析与计算,构建了两种基于指纹细节点、脊线的拓扑模式,实验结果验证了所构建的两种拓扑模式在指纹平移、旋转、缩放及轻微非线性变形中具有较高的鲁棒性,可用于变形等低质量指纹图像的识别中     

三维输入卷积神经网络脑电信号情感识别

为了保留电极之间的空间信息以及充分提取脑电信号（Electroencephalogram,EEG）特征,提高情感识别的准确率,提出一种基于三维输入卷积神经网络的特征学习和分类算法。采用单熵（近似熵（Approximate Entropy,ApEn）、排列熵（Permutation Entropy,PeEn）和奇异值分解熵（Singular value decomposition Entropy,SvdEn））以及其组合熵特征,分别在DEAP数据集进行效价和唤醒度两个维度上的情感识别实验。实验结果表明,采用组合熵特征比单熵特征在情感识别实验中准确率有显著提高。最高组合熵特征平均准确率在效价和唤醒度上分别为94.14%和94.44%,比最高单熵特征平均准确率分别提高了5.05个百分点和4.49个百分点。     

大规模环境下拓扑地图在线创建与导航.doc

本文提出了一种新型的拓扑地图，该地图用激光的扇区特征和视觉的比例不变特征（SIFT）来联合表示节点。与传统地图相比，该地图在创建过程中不依赖任何人工路标和机器人的全局定位。机器人通过综合考虑单个节点的相似度和不同节点间的空间关系，利用隐马尔可夫模型来提高节点识别的准确率。实验表明，本文的拓扑地图不仅易于创建和维护，而且适用于机器人在大规模室内环境下的自主导航。     

基于皮肤电信号与文本信息的双模态情感识别系统

人机交互离不开情感识别,目前无论是单模态的情感识别还是多生理参数融合的情感识别都存在识别率低,鲁棒性差的问题.为了克服上述问题,故提出一种基于两种不同类型信号的融合情感识别系统,即生理参数皮肤电信号和文本信息融合的双模态情感识别系统.首先通过采集与分析相应情感皮肤电信号特征参数和文本信息的情感关键词特征参数并对其进行优化,分别设计人工神经网络算法和高斯混合模型算法作为单个模态的情感分类器,最后利用改进的高斯混合模型对判决层进行加权融合.实验结果表明,该种融合系统比单模态和多生理参数融合的多模态情感识别精度都要高.所以,依据皮肤电信号和文本信息这两种不同类型的情感特征可以构建出识别率高,鲁棒性好的情感识别系统.     

多径信道下基于循环谱特征的调制识别算法

针对多径衰落环境下通信信号调制方式识别算法识别类型少、稳定的特征参数提取困难、识别率低的问题,提出一种基于循环谱特征的自动识别算法。首先,提取待识别信号循环谱、平方循环谱及四次方循环谱的特征面和投影面;然后,利用特征面和投影面的相关系数作为特征参数;最后,选择合适的判决门限,对BPSK、QPSK、2FSK、4FSK、MSK、16QAM和OFDM信号进行自动识别。实验表明,该算法提取的特征参数抗多径干扰能力强,识别率高;当信噪比大于2dB时其总体识别率达到94%以上。与已有算法的比较结果也证明了该算法的优越性。