基于熟人联盟及扩充合同网协议的多智能体协商模型

合同网协议可扩充性好,处理动态环境能力强,在多智能体系统协商中应用广泛．在分析了经典合同网协议的优缺点后,提出了基于熟人联盟及扩充合同网协议的多智能体系统协商模型．根据模型设计了适合扩充合同网协议的系统结构,引入了熟人联盟以及信任度参数,提出熟人联盟生成方法及信任度更新规则并构造了基于经典合同网协议的扩充合同网协议．最后通过对一个导弹防御例子的测试及分析,证实了该模型在保证协商质量的基础上,有效地降低了协商代价．     

基于改进CS模型的免疫系统应答仿真

对基于细胞自动机理论的Celada Seida(CS)模型进行改进,仿真免疫系统应答。该模型能够对免疫系统中细胞和分子之间的相互作用进行仿真。模型在空间和时间上都是离散的,并可以模拟单个免疫细胞。给出了模拟免疫应答的具体仿真步骤,对原模型进行了简化,给出实验的结果。目的是通过该模型的研究,证明免疫系统模型是有用的,因为它们揭示了免疫系统有用的性能,进而可以用于研究解决生物学以外的工程问题的方法。     

一种新的基于属性—值对的决策树归纳算法

决策树归纳算法ID3是实例学习中具有代表性的学习方法。文中针对ID3易偏向于值数较多属性的缺陷,提出一种新的基于属性－值对的决策树归纳算法AVPI,它所产生的决策树大小及测试速度均优于ID3。该算法应用于色彩匹配系统,取得了较好效果。     

归纳逻辑程序设计方法综述

归纳逻辑程序设计是机器学习与逻辑程序设计交叉所形成的一个研究领域,克服了传统机器学习方法的两个主要限制：即知识表示的限制和背景知识利用的限制,成为机器学习的前沿研究课题。首先从归纳逻辑程序设计的产生背景、定义、应用领域及问题背景介绍了归纳逻辑程序设计系统的概貌,对归纳逻辑程序设计方法的研究现状进行了总结和分析,最后探讨了该领域的进一步的研究方向。     

基于联合特征和XGBoost的活动语义识别方法

针对以往活动语义识别研究单纯提取时间维度上的序列特征以及周期特征、缺乏对空间信息的深度挖掘等问题,提出一种基于联合特征和极限梯度提升（XGBoost）的活动语义识别方法。首先,挖掘时间信息中的活动周期性特征和空间信息中的经纬度特征;然后,使用经纬度信息通过具有噪声的基于密度的聚类（DBSCAN）算法提取空间区域热度特征,将这些特征组成特征向量来刻画用户活动语义;最后,采用集成学习方法中的XGBoost算法建立活动语义识别模型。在FourSquare的两个公共签到数据集上,基于联合特征的模型比基于时间特征的模型在识别准确率上提高了28个百分点,与上下文感知混合（CAH）方法和时空活动偏好（STAP）方法对比,所提方法的识别准确率分别提高了30个百分点和5个百分点。实验结果表明所提方法与对比方法相比在活动语义识别问题上更加准确有效。     

基于读分割最优匹配的indels识别算法

高通量测序技术的发展极大地推动了基因组结构变异识别的研究,当前该领域主要是针对覆盖度、双末端读对、或片段组装方法来识别变异,但这些方法的识别结果不够准确、敏感度高、对基因组结构变异的信息（如变异序列,变异坐标等）挖掘不充分.插入和删除类型的结构变异统称为indels,是基因组结构变异种最常见的变异.为此,本文针对indels的精确识别提出了基于split-read思想和动态规划策略的最优序列匹配算法（OptimalSplit-read Matching Algorithm,OSRM）.OSRM算法能将异常read以最少的空位打断比对到参考序列上.首先建立异常read与特定参考序列的匹配得分矩阵,然后建立回溯路径矩阵,最后用以变异特点设计的得分公式,对每条路径进行最优匹配结果的筛选,输出精确识别的indels的坐标及序列,实验结果显示,该方法对小中型的indels有很高的识别性能.此外,与split-read领域最经典的算法Pindel进行了比较,证实了算法在小中型的indels识别方面有更好的效果,可以对更加复杂的情况进行识别.     

生物信息学中的文本挖掘方法

从两个角度讨论应用于生物信息学中的文本挖掘方法。以搜索生物知识为目标,利用文本挖掘方法进行文献检索,进而构建相关数据库,如在PubMed中挖掘蛋白质相互作用和基因疾病关系等知识。总结了可以应用文本挖掘技术的生物信息学问题,如蛋白质结构与功能的分析。探讨了文本挖掘研究者可以探索的生物信息学领域,以便更多的文本挖掘研究者可以将相关成果应用于生物信息学的研究中。     

一种改进的基因功能相似度计算方法

近年来,基于基因本体比较基因之间的功能相似度成为一个研究热点.当前,基因功能相似度计算方法可以分为2种类型:逐对(pair-wise)比较法和成组(group-wise)比较法.然而,由于基因本体注释数据的丰度问题,造成大量的基因具有相同的本体注释数据,从而导致基因功能相似度计算方法的结果存在偏差.本文提出一种改进的基因功能相似度计算方法,对注释集合的语义信息量进行归一化,达到准确度量基因之间的功能相似度的目的.实验结果表明:本文提出的方法可以消除相同注释对基因功能相似度计算方法的影响,且在测试平台上获得非常优秀的结果.