一种新颖的编辑距离限制下的相似性确认算法

针对相似性确认步骤中编辑距离计算的高复杂性问题，提出了一种在编辑距离限制下的基于鸽笼原理的字符串相似性确认算法.首先找到满足编辑距离片段映射的片段，以此片段为基准，将长度为500bp的read分段.然后对满足编辑距离片段映射的左右部分递归地进行编辑距离计算，将各段得到的编辑距离相加即为最后结果.最后根据最长公共子串的下限将需要验证的片段数目降到最低，得到优化方案.实验结果表明，基于鸽笼原理的分段递归计算编辑距离的确认算法减少了验证步骤的时间，并能保证假阳率和假阴率都为零.     

图像形态相关系数一般问题的研究

在将图像视为分片函数及分片向量函数的表示形式下,通过图像强度和几何形状两个因素描述图像特征,研究了图像的相似性度量问题.采用标准空间作为投影空间,探讨了分片函数及分片向量函数图像模式下投影算子及形态相关系数建立的方法,所得到的结果推广了Mosaic图像相关系数的表示形式.对分片向量函数所表示的图像形态相关系数的研究结果则更具一般性.     

美国研制能思考在机器人

<正>谷歌公司正与牛津大学的两支人工智能研究小组合作,研制先进的类人机器人。第一支研究小组的任务是帮助机器人更好地了解用户的想法和意图,第二支研究小组的任务是通过深度学习技术提高机器人的视觉识别能力。据国外媒体报道称,谷歌正在研制一种模拟人类大脑的超快量子芯片,这让搜索和软件更加直观。被谷歌收购的人工智能创业公司Deep Mind联合创始人、谷歌工程部副总裁杰米斯·哈萨比斯在博客中表示:"对于当前的人工智能研究来说,这无疑是一个非常令人兴奋的时刻。我们在很多方面不断取得进步,其中包括图像识别和语言理解能力。我们很高兴地宣布与牛津大学展     

刺纹车轮虫 18S rDNA 克隆与序列分析

首次对刺纹车轮虫(TrichodinacentrostrigataBasson,VanAs & Paperna, 1983)进行了 18S rDNA 的克隆测序并分析，研究结果显示：刺纹车轮虫是一种具有辐射状中央颗粒的淡水车轮虫，具有相对较高的 GC 含量而位于分子系统树的顶枝，它与海水环境中的车轮虫具有较高的序列相似性及较近的遗传距离从而聚为一枝。研究提示刺纹车轮虫具有较强的宿主适应性，在系统进化中分化较晚并与海水种类具有较近的亲缘关系；此外，车轮虫的同源性与 18S rDNA序列相似性、遗传距离具明显相关性，GC 含量与分子支序树分枝具有明显相关性。
     

运用图像重构误差控制的骨架简化方法

将贝叶斯模型方法运用于基于图像重构误差控制下的骨架简化问题,通过建立平衡算法实现重构精度与骨架简化的平衡统一.在算法的设计中,通过对骨架分支级别的设置,运用重构误差和骨架简洁度两个控制参数以及平衡算法,在骨架主轴的基础上通过添加相关各级别的骨架分支,实现对骨架分支的优选,最终获得图像的最优近似骨架.实验结果表明:本算法对于边界扰动具有较好的鲁棒性,与其它方法相比,本算法复杂度较低,运算速度更快,得到的骨架也更简洁.     

基于正交局部慢性特征的故障检测方法

为提高化工行业中数据驱动故障检测的效果,该文针对实际工业系统中闭环控制导致的过程动态特性和数据流形中蕴含的局部信息,提出了一种基于局部时空正则慢特征提取(local time-space regularized slow feature extraction, LTSS)的方法进行故障检测。首先,构造基于局部时空正则的目标函数得到投影矩阵,进而得到预提取特征S,则S张成的空间中包含了静态信息,而S的一阶差分张成的空间中包含了动态信息。其次,基于独立成分分析(independent components analysis, ICA)方法,分别为2个空间构建对应的S~2和SPE统计量进行监控,用于实时故障检测。在TE (Tennessee Eastman)过程上的案例研究可以证明所提方法的有效性。     

移动商务中融合签到位置与用户间相似性的兴趣点精准推荐

向位置频繁变化的移动用户进行精准推荐,如何提高推荐准确性,已经成为一个理论研究与实践中的热点与难点问题.针对于此,本文提出了面向移动社交商务的精准用户兴趣点推荐模型--MRGR.首先,利用用户的历史签到信息,通过改进核密度估计对兴趣点进行预测;其次,进一步考虑到用户间的签到相似性,使用信息熵定量表示用户移动的随机性和不确定性;最后,融合地理位置信息与用户间相似性,精准推荐用户兴趣点,并在Foursquare数据集上进行验证.实验结果表明:与传统模型相比,提出的模型在准确预测用户兴趣点的同时,可以有效缓解数据稀疏性和冷启动问题,并在准确率和召回率上都取得了显著的提高.成果将为移动商务中,如何更好满足企业的精准推送与用户个性化需求提供有力的技术支持和决策服务.     

小样本下基于贝叶斯空间估计的故障诊断算法

针对小样本下系统故障诊断问题,提出一种基于贝叶斯空间估计与主元分析(Principal Component Analysis, PCA)相结合的方法.首先运用主元分析离线建立SPE(Squard Prediction Error)统计量阈值和故障模式特征向量矩阵库,然后在小样本情况下通过利用故障先验信息,采用吉布斯抽样(Gibbs Sampling, GS)提取数据特征向量矩阵,再利用与故障模式特征向量矩阵的相似性,完成故障诊断.实验结果表明了此方法的有效性.