多重序列比对Alignment的信息度量准则

多重序列的比对（Alignment)的核心问题是对多重DNA（或RNA，蛋白质）序列，寻找它们的相似部分或稳定区域，但如何定义多重序列的相似度（或罚分函数）则是解决多重序列经对的前提。首先对多重序列相似度的合理性进行了讨论，给出了一组合理的相似度所必需具备的条件，再利用Shannon熵的特点，给出一个满足这些合理性条件的多重序列比对的优化准则。     

基于三维小波变换的视频图像编码研究

本文对视频序列的三维小波变换压缩编码算法进行了研究.与传统方法相比,基于三维小波变换的视频序列压缩算法更能消除帧间的冗余度,获得较高的压缩比,因而是一种很有潜力的编码方法.目前,基于三维小波变换的视频序列压缩编码的具体算法也比较多,本文对其中三种有代表性的算法进行了研究,并分析了这三种算法的优劣,并对其进行了展望.     

铝电解槽槽况与决策序列挖掘方法研究

基于序列模式来研究铝电解槽况,提出了槽况序列和决策序列的定义,并根据top-k频繁模式挖掘的思想,给出了挖掘最佳槽况序列和决策序列的算法.     

关于多重序列比对距离矩阵的一点注记

因为多重序列比对的最优解问题是一个非易计算问题，所以在生物信息学中，对多重序列分析常常采用两两序列比对来实现。因此由两两比对所产生的距离矩阵在多重序列比对分析中起重要作用。证明了由两两序列比对所产生的距离满足距离关系的三公理条件，从而使两两序列比对分析在距离空间中进行。     

基于序列模型的三维矩形布局算法

针对三维矩形布局问题进行了研究。在三元序列的基础上,结合布局物体的几何可行域,提出了三元序列结合几何可行域的布局算法。并且利用遗传算法对布局算法进行优化,得到了三元序列结合可行域布局遗传算法。分析和实例证明,三元序列结合几何可行域的改进算法有效地提高了布局效率。     

多重序列突变网络系统分析与应用

为分析多重生物序列的突变结构,首先是要作它们的多重比对,在多重比对基础上可作出各序列的系统树与最小距离树,在最小距离树中如果把它们的弧用突变模结构来表示,那么我们称由此所产生的数学模型为多重序列突变网络系统(以下简称突变网络),突变网络分析的主要问题是如何确定各种不同类型突变的相互关系问题,一种最简单关系是二个突变的突变区域互不重叠,我们称之为正交化。因此突变网络分析的一个重要目的是对突变网络作正交化的简化,本文给出了突变网络正交化的基本定理,并以SARS病毒基因组为例,说明它们的突变网络系统模型与正交化运算,并由此得到SARS病毒从早期传播到爆发的基因突变过程的确定。     

基于β-混合序列的学习机器的相对一致收敛速率的界

推广性能是机器学习理论研究的主要目的之一。为了研究相依序列下采用ERM算法的学习机器的推广性能,本文基于β-混合序列建立了采用ERM算法的学习机器的经验风险到它的期望风险相对一致收敛速率的界。这个界不仅把基于独立序列下已有的结果推广到β-混合相依序列的情况,而且对β-混合相依序列现有的一些结论进行了改进。得到了β-混合相依序列下,采用ERM算法的学习机器的推广性能的界。     

一种高效的基于位图序列模式挖掘算法

为实现在大型事务数据库中挖掘有价值的序列数据,提出了一种基于位图的高效的序列模式挖掘算法(SMBR)。SMBR算法采用位图表示数据库的方法,提出一种简化的位图表示结构。该算法首先由序列扩展和项扩展产生候选序列,然后通过原序列位图和被扩展项位图位置快速运算生成频繁序列。实验表明,应用于大型事务数据库,该方法不仅能有效地提高挖掘效率,而且挖掘处理过程中产生的临时数据所需的内存大大降低,能够高效地挖掘序列模式。     

小波变换用于序列图像编码的研究

系统地研究了小波变换用于序列图像编码的方法，其中包括变换域的位移估值算法、系数差值量化及变字长编码等。采用小波变换进行序列图像编码，恢复图像没有方块效应，主观评价良好。     

基于混沌系统与提升小波的抗剪切攻击的彩色图像盲水印算法

研究了混沌序列、提升小波在彩色图像盲水印中的应用,给出一种新的基于混沌序列和提升小波的抗剪切变换攻击的彩色图像盲水印算法。算法同时采用两种不同的混沌序列,提高了算法的安全性;根据HVS特性使中低频使用不同的算法自适应地嵌入水印,使算法有了很好的隐藏效果;使用提升小波变换提高了算法的效率;对受严重攻击后提取出的水印进行优化处理,使算法有了很好的鲁棒性。实验证明该算法具有较高的效率、较好的隐藏效果、很好的安全性和鲁棒性,尤其在抗剪切攻击方面格外显著。