基于极值组合分析遗传算法之误

该文推导出一系列利用函数极值点的分解组合进行寻优的原理，最为重要的是得出选择亲本的原则：该亲本为极值点，而不是适应度高．这正是遗传算法的最大误区，是遗传算法诸多缺点的根源之所在，如未成熟收敛，效率低下、局部搜索能力弱等．该文根据极值组合原理对此进行了理论上的分析，仿真结果说明极值组合原理极大地提高了寻优效率．     

排序学习前向掩蔽模型在T细胞表位预测中的应用

在综述了T细胞表位预测的定义，意义和研究现状的基础上，分析了当前流行的基于误差反向传播前馈神经网络(BPNN)的T细胞表位预测模型的不足，即网络结构较难确定、训练速度慢和难以增量学习等，提出了利用排序学习前向掩蔽（SLAM）模型及其增量学习算法作为T细胞表位预测方法，并给出了构建T细胞表位预测模型的基本步骤。基因HLA-DR4 (B1*0401)编码的MHC II类分子结合肽的应用实例表明，与基于BPNN的T细胞表位预测模型相比，基于SLAM的T细胞表位预测模型不但能在极短时间内完成样本的学习,而且能有效地实现增量学习。     

基于微粒群算法的聚类分析

文章将微粒群算法应用于数据挖掘的聚类分析。在对微粒群算法进行改进的基础上．提出了基于微粒群算法的聚类分析。理论分析和仿真结果表明该算法是有效的。     

再论三进制数字系统

本文介绍了三进制数字系统的研究近况,阐明目前三值逻辑已经从理论上的探讨进入了实用阶段。文中将ST逻辑系统,T门网络和细胞结构的设计方案与二进制系统进行了分析和比较。     

三维阵列细胞结构图的性质及其定理

本文研究了三维阵列图的算法,证明了若干性质和定理。应用它可以对任意有穷的K~3阵列的细胞结构的各种路径进行自动分析。     

基于动态递归神经网络模型的混沌时间序列预测

提出了一种动态递归神经网络模型进行混沌时间序列预测，以最佳延迟时间为间隔的最小嵌入维数作为递归神经网络的输入维数，并按预测相点步进动态递归的生成训练数据，利用混沌特性处理样本及优化网络结构，用递归神经网络映射混沌相空间相点演化的非线性关系，提高了预测精度和稳定性。将该模型应用于Lorenz系统数据仿真以及沪市股票综合指数预测，其结果与已有网络模型预测的结果相比较，精度有很大提高。因此，证明了该预测模型在实际混沌时间序列预测领域的有效性和实用性。     

基于多Agent的SOC模型

传统的网络安全技术都是静态的，如IDS，不但响应不够及时，而且错检和漏检的概率也大．论文提出了一个基于多Agent的安全运维中心（SOC）模型，定义了感知Agent、消息Agent、分析Agent、警告Agent、管理Agent，在此基础上，设计了一个基于这些Agent的SOC．实验表明，该SOC具有实时性好、错检和漏检率低的特点．     

一种基于极值思想的多序列联配求精算法

多序列联配（MSA）是一个NP问题，为了取得一个好的联配结果，常用渐进和迭代两种方法，但渐进方法不能调整早期的错误，迭代方法面临怎样跳出局部最优的问题。该文提出了一种新的求精方法，该方法基于极值遗传算法和挖掘策略。极值遗传算法基于极值组合元素，能够减少搜索空间。易于找到全局最优解。算法实现过程中，首先用挖掘算法挖掘出已知联配中的不良序列块，然后所有的不良序列块用极值遗传算法重新联配。当初始的序列是用渐进算法联配时，新的求精方法能调整早期的一些错误，充分结合渐进和迭代算法的优点。最后算法用来自于数据库BAliBASE中数据进行了验证。     

基于提取网站层次结构的网页分类方法

网页自动分类是当前互联网搜索领域一个热点研究课题，目前主要有基于网页文本内容的分类和基于网页间超链接结构的分类。但是这些分类都只利用了网页的信息，没有考虑到网页所在网站提供的信息。文中提出了一种全新的对网站内部拓扑结构进行简约的算法，提取网站隐含的层次结构，生成层次结构树，从而达到对网站内部网页实现多层次分类的目的，并且已经成功应用到电子商务智能搜索和挖掘系统中。     

一种基于托管机制的网格计算资源管理模型

网格计算的关键技术是资源管理，如何有效地对网格资源进行管理调度成为一个网格系统是否可用的关键问题。简要介绍了网格计算环境下资源管理的研究状况，并提出了一种基于托管机制的资源管理模型，可以有效降低网格计算环境下资源请求失效率。最后，通过实验检验和分析了该模型的效果。