针对H1N1病毒的多特征siRNA设计

针对甲型流感病毒H1N1基因,从RNAi的角度出发,采用多特征融合的方法,进行siRNA预测。对2009年的46株病毒序列的PA片段进行分析,从经过序列分析所获得的众多靶序列中,采用结构分析手段对靶序列进行筛选,获得较易干扰的靶序列及设计出相应的siRNA。2009年爆发的H1N1病毒,序列保守性高,靶序列一致性高,结构保守性高。该方法可以有效选择可能的靶序列,并在此基础上进一步筛选,以获得少量较易干扰的靶序列,该方法为复杂序列siRNA的设计提供了新思路,对siRNA的优化设计有指导意义,有助于利用RNAi进行H1N1治疗的后续研究。     

基于动态算法的序列分析

为了获得2009年新型甲型H1N1流感病毒与2008流感病毒的基因序列及氨基酸序列的一致性,以便对一个基因家族的生物学特征有一个简明扼要的了解,针对目前流行的新型甲型H1N1流感病毒的基因序列及其所编码的氨基酸序列,采用动态规划算法对其一级序列进行序列相似度分析,获得了2009年新型甲型H1N1流感病毒的NA和M基因片段以及2008年猪源性甲型H1N1流感病毒的相应基因片段同源性高、在有些位点发生了基因突变增添和突变缺失等重要基因信息。为此次新型甲型H1N1流感病毒的研究提供了依据。     

基于局部结构交互的RNA假结预测

基于RNA局部结构间的交互作用,提出一种含假结的RNA二级结构预测新方法LIFold。对给定的RNA序列,首先通过能量计算得到不含假结的能量最优结构,然后应用局部结构交互配对生成假结茎区,在已得到的最优结构基础上构建含假结的能量计算模型,最后通过优化算法得到含假结的RNA二级结构。应用该方法基于HotKnots测试数据的敏感性和阳性预测值(PPV)分别达到84%和80%,基于PseudoBase数据库测试数据的敏感性和阳性预测值分别达到78%和73%,与HotKnots、ILM、PknotsRG、IPknot及FlexStem等知名软件相比较,准确率均有所提高。     

弹簧钢点焊缺陷及工艺措施

分析了弹簧钢电阻电焊接头常见的缺陷类型、形貌、成因及危害，提出了通过采用增大电极压力，调制焊接电流脉冲和随机多脉冲回火热处理等工艺措施可获得优质点焊接头，为钢质弹性件的以焊代铆提供了依据     

基于分块搜索的虹膜定位算法

针对传统虹膜定位算法识别效果不稳定,鲁棒性低的问题,提出基于分块搜索的虹膜定位算法。首先利用虹膜图像灰度变化差异将虹膜图像转换为二值图像,用基于边缘检测的hough圆检测法粗略定位虹膜内圆,再利用分块搜索二值图像对内圆进行精确定位。之后利用卷积运算粗略定位外圆,再对原图像进行分块搜索,观察截图的灰度直方图中的灰度变化精确定位外圆。将得到的虹膜与传统定位算法得到的虹膜用相同的虹膜识别算法处理,结果表明,该算法定位出的图像识别上效果更明显,并且具有很好的鲁棒性。     

基于自适应多种群遗传算法的特征选择

针对标准遗传算法早熟收敛和局部搜索能力弱的缺点,提出了一种自适应多种群的遗传算法(AMGA),包含了多种群规划模型(MPP)和动态选择操作算法(DSA),应用于特征选择处理,从多维特征集合中寻找最优的特征子集。该方法扩展了搜索空间,自适应地调整多个种群的运行状态,有效地控制早熟收敛,增强了局部搜索能力。最后,将本文方法与标准遗传算法的试验结果进行比较,表明本文算法选择的特征数量较少、分类精度较高,可广泛应用于特征选择领域。     

基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别

为了抑制虹膜噪声并提高算法通用性,提出在虹膜识别中运用高斯拉普拉斯(Log)算子与自适应优化伽柏(Gabor)滤波。Log算子抑制虹膜噪声,40组频率和方向各不同的Gabor滤波提取虹膜特征,将特征转化为二进制特征编码。滤波参数用变异粒子群优化(MPSO)算法针对不同虹膜库进行自适应优化。通过计算虹膜间的汉明(Hamming)距离判定虹膜类别。与其他Gabor滤波和机器学习类算法相比,该算法可以有效抑制虹膜噪声干扰进而提高识别正确率,同时算法在多种虹膜库识别的通用性更好。     

用于图像内容认证的半脆弱水印新算法

为了提升数字图像内容认证的准确性,提出一种新颖的半脆弱水印算法.引入相关块组的概念,并将相关块组进一步划分为子块组,轮流使用每个子块组内特定块生成水印,最终将水印嵌入到子块组内的其他块中.算法根据图像内容自适应选取量化步长,结合Slant变换高能量集中性及直流量化原理完成水印嵌入过程,认证过程中使用新的噪声过滤策略并通过投票方式确定篡改发生位置.实验表明:该算法能有效地提高含水印图像的质量及防止水印信息的未授权提取,在应对裁剪、替换等常规处理时定位精度提升明显.算法抵抗偶然攻击的能力强,新噪声策略有效地改善了针对篡改区域的识别效果.     

指纹识别中的一种基于几何结构的匹配方法

1 引言 指纹识别的关键步骤是模式匹配,即根据指纹的特征描述方式来判断两幅指纹图像是否来自同一人的同一手指.指纹的特征描述方法有很多种类,但无论哪一种特征描述方式都必须考虑到在从一幅指纹原始图像到特征描述方式的转化和基于这种描述方式下的模式匹配过程中所存在的问题:同一手指的不同指纹图像的采集通常是在不同条件下进行的.比如:观察点不同;传感器不同;或者是相同的传感器(指纹采集器)但不同时间获得的,这样两幅图像将有不同程度的平移,旋转和缩放差异.而这种差异在特征提取和模式匹配过程中是未知的.由于采集时噪声和其它影响的存在,无论特征点的描述方法和提取方法如何,特征点的相对位置会发生变化.指纹识别的最基本方法则是根据指纹的几何特征来进行的.所以对指纹采用基于几何结构的特征表达是最常见的手段.但一般情况下基于几何结构的匹配是通过对若干种几何量计算其统计特性来实现的,大量的统计计算需要消耗时间,因此需要快速有效的算法来完成.本文针对上述问题,提出了一种基于曲线拟合校正图像姿态的点模式匹配算法,结果表明效果明显.     

基于综合特征的物流车辆图像检索方法

通过对颜色直方图的研究,提出一种新的物流车辆颜色量化的方法和灰度共生矩阵的计算方法,并且采取一种快速分割方法对图像进行分割,在分割区域颜色直方图计算时,提出粗粒度的概念,从而改善了检索的精度和提高了检索的速度。提出主区域的概念,对主区域进行颜色、纹理、形状等特征的提取,完成兼容彩色和灰度图像的检索,并通过仿真实验证明该算法的可行性和高效性。