Single channel blind source separation based on ICA feature extraction

A new technique is proposed to solve the blind source separation (BSS) given only a single channel observation. The basis functions and the density of the coefficients of source signals learned by ICA are used as the prior knowledge. Based on the learned prior information the learning rules of single channel BSS are presented by maximizing the joint log likelihood of the mixed sources to obtain source signals from single observation, in which the posterior density of the given measurements is maximized. The experimental results exhibit a successful separation performance for mixtures of speech and music signals.     

基于ICA的AD样本的相关基因研究

为了克服每次运行独立成分分析算法(Independent Component Analysis.ICA)所得到不同的ICs对最后所选择的AD基因造成的不良影响,提出了一种应用ICA选择基因的改进方法.首先运行多次ICA算法,然后通过比较相关系数选出与AD相关的ICs,最后依据基因出现的频数选择相关基因.通过该方法寻找到39个在每个与AD相关的ICs 中都过表达的基因,且其中有一个基因位于X染色体上,通过理论分析和实验结果表明该算法的确是一种可行性的方法.     

基于径向基神经网络的聚丙烯熔融指数预报

引　言在化工生产中大部分生产流程具有非线性、大时滞、结构复杂等特性 ,而且生产变量之间存在着不同程度的耦合与关联 .前馈神经网络由于具有强大的拟合非线性函数的能力 ,已成为生产指标预测的有力工具[1] .其中径向基 (radialbasisfunction ,RBF)神经网络相对于神经网络BP     

基于神经网络的非线性PCA方法

该文采用基于正交最小二乘方法(OLS)的径向基函数(RBF)神经网络进行非线性主元分析(NLPCA)算法的训练，提高了训练速度，且不存在局部最优问题。将其应用到聚丙烯生产的高维非线性数据相关特性的提取中，仿真试验显示这种NLPCA方法提高了熔融指数(MI)的预报精度，具有实际应用价值。     

EDTA酐和DTPA酐的制备

制备了乙二胺四乙酸二酐和二乙烯三胺五乙酸二上，确定了反应的最佳条件及纯人产品的方法，操作简便易行，产率较高。     

基于anchor-free的交通场景目标检测技术

在智能交通领域使用深度学习的方法进行目标检测已成为研究热点。当下经典的目标检测算法,无论是基于回归的单阶目标检测模型还是基于候选区域的二阶段目标检测模型,大部分是利用大量预定义的先验框anchor枚举可能的位置、尺寸和纵横比的方法来搜索对象,往往会造成正负样本严重不均衡的问题,模型的性能和泛化能力也受到anchor自身设计的限制。针对基于anchor的目标检测算法存在的问题,利用单阶目标检测网络RetinaNet,对交通场景中的车辆、行人和骑行者建立基于anchor-free的目标检测模型,采用逐像素预测的方式处理目标检测问题,并添加中心性预测分支,提升检测性能。实验表明,与基于anchor的原RetinaNet算法相比,改进的基于anchor-free的目标检测模型算法能够对交通场景中的车辆、行人、骑行者实现更好的识别。     

基于运营商的电信业务创新与设计

随着电信基础业务发展趋于饱和，如何开发新业务、提高新业务的收入成为每一个运营商迫切需要解决的问题。谁能够在新业务开发上取得优势，谁就将在市场信息中获得主动权，而拥有高效、科学的新业务开发设计流程是提高企业核心竞争力的关键。     

用多元曲线分辨-交替最小二乘法探究高三尖杉酯碱与DNA的作用机理(英文)

模拟人体的生理环境,用荧光光谱法,紫外可见光谱法,循环伏安法探究了高三尖杉酯碱(HHRT)与DNA的反应。结果表明高三尖杉酯碱与DNA的反应是嵌入反应。普通的化学分析方法不能解析出化学反应中每种物质的纯光谱,本文应用多元曲线分辨-交替最小二乘(MCR-ALS)方法解析了HHRT与DNA的竞争反应所获得的光谱。通过光谱解析,获得了所有组分的纯光谱和浓度分布曲线,结果令人满意。由MCR-ALS计算得到的HHRT与DNA的结合常数和化学计量系数分别为5.2×10~4L/mol和1。     

改进的非负矩阵分解在基因表达数据中的应用

对非负矩阵分解算法的发展历史做了简要综述,并介绍了非负矩阵分解算法的基本原理,及一种改进的非负矩阵分解算法,并将此方法应用于一组阿尔茨海默症微阵列数据的聚类中,将此结果与传统的非负矩阵分解算法进行了比较,证明了算法的有效性.     

基于Alpha-NMF的AD样本分类及特异性基因选择方法

由于基因表达谱数据的高噪声、高维性、高冗余以及数据分布不均匀等特点使得在分析过程中仍然有很多挑战性问题。基于该目的,将一种无监督学习方法--非负矩阵分解方法,应用到基因表达谱数据中,挖掘出与AD相关的信息基因。然而标准NMF算法其效率较低,并且在基因表达数据的应用有效性低。为了适应该领域的需求,采用了Alpha-NMF算法。该算法能够有效的克服标准NMF算法的缺陷,获得较好的实验结果。多次运行Alpha-NMF算法,选取分类准确率和稳定性最优的实验结果,对其集合基因设定一阈值,筛选出集合基因中大于该阈值的信息基因。最后通过基因功能分类以及生物功能结构图来验证所提炼出的特异性基因的有用性和可靠性。