基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。     

Title加TextRank抽取关键句的情感分类研究

考虑到不同句子对判断文档情感倾向的重要程度不同，因而区分文档的关键句和细节句将有助于提高情感分类的性能。同时，考虑到Title和上下文信息，提出了一种基于Title和加权TextRank抽取关键句的情感分析方法SKTT，实现了高效的情感分析。根据文档Title的情感权重计算Title贡献度，考虑到标点和语义规则对情感倾向的影响；根据加权TextRank算法思想，在文档正文中构建了一个情感句有向图来提取关键句；计算所有关键句的情感倾向进行情感分类。在4个领域上进行实验，实验结果表明，该SKTT方法性能明显优于Baseline，具有高效性。     

大数据背景下工程投资估算指标编制方法研究

在现行估算指标逐渐不能满足市场变化需求的情况下,分析了传统估算指标编制方法目前存在的主要问题,提出一种基于大数据技术的估算指标编制方法。通过分析大数据技术在估算指标编制中的应用过程,提出了一种基于数据挖掘C4.5算法的估算指标编制方法,综合考虑时间因素对指标的影响,利用敏感性分析对估算指标做一定调整,最后通过算例验证了该方法的实用性,对理论与实践应用均有一定的指导作用。     

面向毫米波应用的一种改进的常数模盲均衡算法

本文面向毫米波零中频架构，针对毫米波系统信道时变性、环境敏感性，以及零中频载波同步性能等问题，对现有的盲均衡算法进行了理论分析，并对 CMA、MCMA 两种具备工程化意义的算法进行了仿真实验分析。结合毫米波大容量数据高速处理需求，给出了可硬件实现的并行处理方法。最后，针对 CMA 算法收敛后剩余误差较大的问题进行了改进，结合泄漏算法和高阶累积量思想提出了一种修正的 CMA 算法，在与传统 CMA 算法收敛速度相当的条件下降低了系统的码间干扰。