两级联合融合的多视图子空间聚类改进算法

针对多视图深度子空间聚类网络(Multi-view Deep Subspace Clustering Networks, MvDSCN)算法具有的没有充分利用多视图互补信息、进行一次聚类直接得到聚类结果，以及只考虑数据级信息融合而降低了聚类性能等缺点，提出两级联合融合的多视图子空间聚类改进算法(TJ-MvDSCN)。不仅关注多视图共性信息，还关注多视图互补信息；增加分配级别的多视图信息融合，与已有的数据级信息融合形成两级融合结构；增加聚类损失，基于迭代优化策略构建一个可以联合学习特征表示和聚类分配的多视图聚类框架。经实验验证，该算法性能优于现有算法。     

系统发生树构建技术综述

随着不同的分子测序技术的飞速发展使得大量的DNA分子数据不断涌现,这给生物学家提供了大量的数据使其实现重构地球上所有生命的进化树的梦想.并且,进化树的研究对于解决现代分子生物学中的许多问题都是非常关键的,如多序列比对、蛋白质结构和功能预测以及药物设计等等.但是构建进化树又是一个非常复杂的问题.因此,进化树的研究成了一个研究热点.本文介绍了进化树研究的发展、研究现状,最后在总结现有的进化树构建技术存在的问题的基础上探讨了该领域进一步的研究方向.     

案例教学法在面向对象程序设计课程中的应用

面向对象程序设计的传统教育模式使得学生与企业真实需求之间存在巨大差异。案例教学法理论上能在一定程度上解决理论与实际衔接的问题,但其实施效果却取决于所采用的案例。结合我校的行业背景,从构思实际民航信息系统中涉及的工程问题出发,研究案例教学法在面向对象程序设计课程中的应用,并分析了其存在的问题。     

一种基于Quartet Puzzling和邻接法的进化树构建算法

最大似然法是目前较准确的一种进化树构建方法,但是其时间复杂度非常高.在实际应用中,用分治策略实现最大似然法的Quartet Puzzling(QP)得到了人们的关注.它首先估计Quartet拓扑结构集合Q,然后利用重组技术将Q中的信息合并到一起构成一个包含所有序列的进化树.研究表明,QP的准确性不像人们所期望的那样高.如何快速有效地将Q所包含的信息融合在一起仍然是QP所面-临的一个问题.为了提高QP,结合邻接法提出一种新的进化树构建方法QPNJ.理论上,QPNJ与QP具有相同的时间复杂度.通过模拟实验将QPNJ与QP以及目前流行的进化树构建方法进行了比较.结果表明,QPNJ比QP和邻接法更准确,并且其性能不依赖于模型树的结构,从而证明了QPNJ的有效性.     

基于CUDA的并行联程路径搜索算法

随着民航业的蓬勃发展,形成了庞大的航线网络,在众多城市间有很多航线可供选择.如何快速地从如此庞大的网络中得到K条最短路径(K-Shortest-Path,简称KSP)成了联程路径搜索的瓶颈.采用Yen算法求解航线网络中的KSP问题,并在CUDA平台下实现其并行化.并行的基本策略是借助GPU平台并行的松弛每个节点的相关边.最后,通过在CUDA平台下的实验结果表明,与串行Yen算法计算相比,基于CUDA的并行Yen的计算速度得到了很大的提高.     

一种集成式不确定推理方法研究

摘要集成学习是采用某种规则把一系列学习器的结果进行整合以获得比单个学习器更好的学习效果的一种机器学习方法。研究表明集成学习是可行的,能取得比传统学习方法更好的性能。不确定推理是人工智能的重要研究方向之一,目前已经开发出了多种不确定推理方法,这些方法在实际应用中各有优缺点。借鉴集成学习,提出一种集成式不确定推理方法,其基本思想是按照一定的策略集成多种不确定推理方法,以提高推理的准确性。理论分析和实验结果验证了方法的合理性和可行性。     

基于最佳聚类准则的多级模糊态势评估方法

针对态势评估中评估因素的不确定性、模糊性和模糊集划分、隶属函数需事先给定以及忽略了数据分布特点对评估结果影响的问题,提出了基于最佳聚类准则的多级模糊综合评判态势评估方法。根据最佳聚类准则得到最佳聚类数和聚类中心后完成数据属性的模糊集划分及隶属函数的确定,建立了基于单因素的主因素和加权平均的一级模糊评估模型,利用层次分析法得到所有因素对评估结果的影响权值,并建立所有因素的主因素和加权平均的二级模糊评估模型,将其应用到民航灾难态势评估过程,得到了较好的态势评估结果。通过对两种模型的评价,得出加权平均模型的态势评估结果更准确。     

基于随机游走的多目标A*算法的改进

针对基于降维技术改进的多目标A^*（NAMOA_dr^*）算法中存在的高原搜索现象,结合蒙特卡罗随机游走策略提出了一种基于随机游走的多目标A^*（RWNAMOA_dr^*）算法,其基本思想是当NAMOA_dr^*算法陷入高原搜索时,利用随机游走策略及时找到一个出口（具有被上次扩展标签的启发值非支配的启发值的标签）逃离该高原搜索。针对NAMOA_dr^*算法何时陷入高原搜索的问题,提出了一种检测高原搜索的方法,即当连续扩展m次标签的启发值都被上一次扩展的标签的启发值支配时则认为NAMOA_dr^*算法陷入了高原搜索。使用多目标搜索算法的标准测试平台——随机网格进行了实验。实验结果表明RWNAMOA_dr^*算法比NAMOA_dr^*算法的运行时间平均减少了50.69%,占用的空间平均减少了约10%,能够为现实生活中加速多目标路径搜索提供理论支撑。     

国际航线网络中K条最短路径算法改进与仿真

K条最短路径(KSP)问题是国际航线网络实际路径优化问题。通过对航线网络特征与K条最短路径算法的分析,研究了解决KSP问题的典型Yen算法。针对Yen算法求解候选路径占用大量运算时间的问题,提出一种改进Yen算法。改进Yen算法通过借助A*算法的启发式策略,减少了产生候选航线路径的时间,从而提高了算法的搜索效率并减小了算法搜索的规模。通过对国际航线网络实例的仿真,实验结果表明改进Yen算法能够快速求解国际航线网络中的KSP问题;同时,与Yen算法相比,运算效率提升了75.19%以上,能够为航线路径优化提供决策支持。     

基于多分类LSTM的浏览器指纹识别方法

现有基于机器学习的方法将浏览器指纹的用户识别处理成二分类问题,但该处理方式信息损失较多且识别效率低下。为解决上述问题,提出基于多分类长短期记忆网络(Long Short-Term Memory, LSTM)的浏览器指纹识别方法。其基本思路是将同一用户的浏览器指纹数据处理成时间序列,利用多分类LSTM模型对其进行分类,从而实现用户识别。实验结果表明,该方法比基于二分类的指纹识别方法有更高的准确率和更快的识别速度。