结合多种生物数据分析蛋白质相互作用网络(Protein-Protein Interaction Network,PPIN)中的功能模块结构,是目前蛋白质功能计算分析领域亟待解决的难题之一.本文提出了一种基于聚合非负矩阵分解(Collective Non-negative Matrix Factorization,CoNMF)的多视图一致性功能模块检测方法,该方法同时逼近多视图数据,寻找统一的最优解达到对原多数据的最优近似.根据该统一解得到功能模块关系,同时该方法能够找到可重叠性的功能模块.实验结果显示本文所提出算法通过融合基因本体、基因表达谱与PPIN数据,在模块检测准确度上有一定提高,检测出的蛋白质功能模块具有真实生物意义.
针对粒子群优化算法易出现早熟收敛的问题,本文提出一种基于正交搜索的粒子群优化测试用例生成方法.首先,利用奇异值分解来预测种群的进化方向,在其正交方向进行搜索,可避免已搜索过的区域,有助于跳出局部最优;然后,对粒子速度项进行改进,使其与正交方向保持一致,保证种群可持续受到正交方向的影响,有利于减少奇异值分解次数,降低时间消耗;最后,对每代最优个体进行局部搜索,以增强算法局部搜索能力.实验证明,本文方法在覆盖率、运行时间、进化代数等指标上均有优势.
本文针对多主题信息采集效率低下的问题,调研了主题规则在内置搜索引擎和通用搜索引擎上搜索结果的差异,提出将主题规则拆分成原子规则的思想,分析了原子规则间的相同、互换、包含三种关系.在原子规则之间关系的基础上,设计了针对内置搜索和通用搜索不同的原子规则分配策略,这样做一方面提高主题信息采集的准确率,另一方面减少搜索采集的次数.针对原子规则直接搜索结果的准确率不高的问题,提出了基于句群的主题与信息相关性的过滤方法.设置138条主题规则(拆分后的原子规则为8223条),14个内置搜索引擎和4个通用搜索引擎,在单位时间内采集到的信息总条数与采集到的相关信息的条数两个方面进行了实验比较.结果表明,所提方法在信息采集数目及相关信息采集数目方面均具有较好的性能.
时间序列的预测在现今社会各个领域中有着广泛的应用.本文针对时间序列趋势预测中的多步预测问题,提出了基于聚类的隐马尔科夫模型,利用隐马尔科夫模型中的隐状态来表示产生时间序列数据时的系统内部状态,实现对多步时间序列的预测.针对时间序列聚类中的距离计算问题,提出结合时间序列时间性和相似性的聚类算法,并给出了迭代精化基于聚类的隐马尔科夫模型的方法.实验表明,本文提出的方法在时间序列多步预测中精度较高.
针对现有特征提取方法难以实现从含有复杂背景的图像中提取有用目标特征的瓶颈问题,提出了基于弱监督学习的去噪受限玻尔兹曼机特征提取算法.首先,利用训练样本,通过无监督学习方式训练一个标准受限玻尔兹曼机模型,从而获得一个包含可视单元层和隐藏单元层的层次结构模型;然后,对可视层的每个单元引入二值转换单元,对隐藏层,根据各节点的激活值大小和激活频率将其分为两组:前景特征隐层单元和背景特征隐层单元,得到一个二元混合式去噪玻尔兹曼机的模型;最后,通过多模交互方式,利用有限数量的样本标签信息对输入样本逐像素地进行采样训练,以此来提取目标特征.实验表明,本文的特征提取算法能够有效地从复杂的干扰背景中提取目标特征,提高了目标识别精度.
基于概念格的RBAC模型是角色挖掘中的一个重要方向,在概念格上找出满足最小权限原则的最小角色集合有助于降低安全管理的复杂性.本文研究了在概念格的RBAC模型上的角色最小化问题及其算法.首先将角色最小化问题引入概念格模型,并给出了概念格模型上最小角色集、角色替代和角色约简的定义,和相关定理的证明.在此基础上建立了一个基于角色替代的角色最小化问题求解模型,并设计了一个贪婪算法.该算法以对象概念集为初始集,逐个将集合中的概念用它的父概念来替代和约简,自底向上地迭代求解最小角色集.实验与分析表明了本文相关理论和算法的有效性.
传统的虹膜识别方法主要提取和匹配局部区域特征,忽略了距离较远区域(即非局部区域)特征之间的相关性.基于序特征的方法通过高斯低通滤波器提取区域的平均灰度值并对不同区域进行大小比较,但是这种方法并不适用于用概率密度描述区域统计特性的情况.本文提出一种新颖的虹膜识别方法解决传统方法的不足.该方法在用空间-相位联合分布表示局部区域纹理特征的基础上,通过将位于距离较远图像区域的特征进行连接得到非局部区域关联描述子表达区域之间的关联特性.论文着重研究了两区域和三区域关联对虹膜识别性能的影响.在虹膜匹配时,考虑非局部区域关联描述子的有效性以排除遮挡、高亮和噪声等干扰因素的影响,允许非局部区域关联描述子进行整体微小平移以建模虹膜纹理的非刚性形变,最后用一种鲁棒的扩散直方图距离比较关联描述子之间的差异.论文在三个公开的虹膜数据库中进行了虹膜验证和虹膜识别实验,结果表明所提出的方法在性能上优于同类方法.
针对含光照、表情、姿态、遮挡等误差或被噪声污染的人脸图像的识别问题,本文提出一种基于Gabor低秩恢复稀疏表示分类的人脸图像识别方法.该方法首先用低秩矩阵恢复算法求得训练样本图像对应的误差图像;然后,对每一个训练样本图像及其对应的误差图像进行Gabor变换,得到相应的Gabor特征向量,并将这些Gabor特征向量组成一个Gabor特征字典;进而,计算测试样本图像Gabor特征向量在该Gabor特征字典下的稀疏表示系数,并用该稀疏表示系数和Gabor特征字典,对测试样本图像的Gabor特征向量进行类关联重构,同时计算相应的类关联重构误差.最后,根据测试样本图像Gabor特征向量的类关联重构误差,实现对测试样本图像的分类识别.在CMU PIE、Extended Yale B和AR数据库上的实验结果表明,本文提出的人脸图像识别方法具有较高的识别率和较强的抗干扰能力.
针对强跟踪滤波器(STF)的理论局限性及不良测量导致的滤波性能下降问题,提出了一种强跟踪自适应平方根容积卡尔曼滤波(SRCKF)算法.利用新息协方差匹配原理,建立对不良测量具有鲁棒性的自适应SRCKF.基于STF的理论框架,采用自适应SRCKF代替扩展卡尔曼滤波构建强跟踪自适应SRCKF.该算法兼具STF与自适应SRCKF的优点,在系统同时存在模型不确定性及不良测量时具有良好的滤波性能.仿真验证了所建算法的有效性.
为提高神经网络的逼近和预测能力,提出一种各维输入为离散序列的量子衍生神经网络模型及算法.该模型为三层结构,隐层为量子衍生神经元,输出层为普通神经元.量子衍生神经元由量子旋转门和多位受控旋转门组成,利用多位受控旋转门中目标量子位的输出向输入端的反馈,实现对输入序列的整体记忆,利用受控旋转门输出中多位量子比特的纠缠获得量子衍生神经元的输出.基于量子计算理论设计了该模型的学习算法.该模型可从宽度和深度两方面获取输入序列的特征.仿真结果表明,当输入节点数和序列长度满足一定关系时,该模型明显优于普通神经网络.
图形电磁学(GRaphical Electromagnetic COmputing,GRECO)利用图形加速卡和Z-Buffer技术可较为有效地解决传统电磁计算方法中存在的消隐困难和非可视化难题,是求解高频电大尺寸目标特性最有效的方法之一.但传统GRECO算法存在着无法精确提取目标法矢信息、计算精度依赖屏幕分辨率和多次反射计算困难等缺点,限制了这种方法的使用.本文针对GRECO方法就精确提取像素几何信息方法进行了简要改进,将其与基于帧缓存对象(FrameBuffer Object,FBO)的离屏渲染技术相结合,提出了改进的GRECO算法,克服了传统GRECO算法无法精确提取像素法矢信息和计算精度依赖屏幕分辨率的缺点.进而,采用AP/PO(Area Projection/Physical Optics)法,并对传统的多次散射面元对判别方法进行了适当改进,实现了对产生多次反射目标的雷达截面计算.
在接收端进行预测和补偿的残差重建算法是一种高效的视频压缩感知重建算法.但是,残差重建算法没有应用当前图像的稀疏先验,算法性能完全依赖于预测结果的准确性.针对此问题,本文提出了一种基于联合总变分最小化的视频压缩感知重建算法以提升重建图像质量.为了联合应用待重建图像及对应残差值的稀疏先验,在所建立的重建模型中,分别计算目标图像块及其残差值的总变分范数;为求解最小化问题,引入新的变量,并基于split Bregman方法设计了一种迭代求解算法.实验结果表明,与同类算法相比,提出的重建算法可以在相同采样率下获得更高质量的重建图像.
摄像机矩阵估计是机器视觉的一个重要问题.在2范数误差代价函数模型下,最小二乘法简单而有效,但因误差代价函数非凸,容易陷入局部最优.在无穷范数误差代价函数模型下,凸优化方法理论上可以获得全局最优,但计算效率较低,其计算耗时随着问题规模的增大而急剧增加.现代优化论中的增强连续禁忌搜索(Enhanced continuous taboo search,ECTS)方法具有逃离局部最优的优良性质,因此本文在2范数误差代价函数模型下提出一种针对摄像机矩阵估计的ECTS算法.在ECTS置信区间序列构造及最大置信区间选择环节,本文提出了一种非迭代的方法获取包含全局最优解的凸包.在增强禁忌搜索环节,本文提出了一种基于伪凸函数的候选解邻域构造方法.同时,给出了本文算法以概率1收敛于全局最优的理论证明.对虚拟场景和真实场景的实验结果表明本文算法可以快速获取摄像机矩阵估计的全局最优解.
当两类样本分布存在差异时,最接近支持向量机(Proximal Support Vector Machine,PSVM)等最小二乘类分类器分类结果将出现偏差,不能实现最小错误率分类.本文在分析PSVM等价广义特征值分解模型基础上,提出了一种改善原PSVM分类决策面的优化样本分布PSVM,其基本思想是通过引入最大化正确分类样本距决策面距离,同时最小化错误分类样本距决策面距离的优化样本分布正则化项,构造优化样本分布PSVM的广义特征值分解模型.通过人工数据集和UCI数据集的10个数据子集上的对比实验,验证了该改进分类模型能够有效调整决策边界,从而获得更好的分类效果.
K-means算法因简单、高速等特点而被广泛应用,但该算法仍然存在依赖于初始聚类中心、易陷入局部最优等缺陷.为此,提出了一种蜜蜂交配优化聚类算法.该算法利用密度和距离初始化蜂群,并将局部搜索能力较强的粗糙集聚类算法作为工蜂的一种编码,以增强算法的局部搜索能力,最后在迭代过程中不断引入随机种群,增加种群的多样性,提高算法的全局寻优能力.实验结果表明,该算法不仅能有效抑制早熟收敛,而且具有较强的稳定性,较好的聚类效果.
中国海拔1km以上地区占全国总面积65%,属于高原国家.计算机等电子设备的散热能力受海拔高度的影响很大,电器的散热的好坏直接影响元器件的寿命、运算速度和使用的稳定性等.为了研究海拔高度对电子设备的散热的影响,依据热力学的基本理论,引入了海拔高度参数,对建立在海平面基础上的茹卡乌斯数学模型、Chilton-Colburn方程等传热计算模型进行了修正,建立了一套不同海拔高度电器热分析计算方法,解决了海拔高度参数和电器散热关系的问题.其分析结果符合国际电工委员会实验标准,并用Ansys.Icepak14.5电子热设计专用软件进行了验证.为不同海拔高度地区计算机等电器设备热设计和寿命评估提供了理论基础.
本文通过引入环境结构因素,提出了一种适用于多层次复杂环境的自适应任务划分算法.自动读取场景模型并通过理解转换为连通邻接区域集,然后对区域进行快速粗粒度划分,有效提高划分性能;自然消除了被障碍隔离的相邻区域个体间的感知计算,大大减少了节点间通信量,使之更适合于大规模群体仿真应用.实验结果表明该算法的划分代价和执行性能均较优.文中设计了一种适合该划分算法的分布式仿真模型,基于该模型的分布式系统对室内多层楼宇或室外场景大规模群体仿真均具有较高仿真性能,相同规模群体的仿真性能与仿真节点数成线性关系表明系统具有良好的可扩展性.
基于压缩感知理论,研究了一种精细化稀疏自适应匹配追踪(Meticulous Sparsity Adaptive Matching Pursuit,MSAMP)算法,在此基础上提出了一种新的数字图像检索方法.首先对图像的RGB颜色、灰度共生矩阵按照列优先次序形成颜色及纹理的原始信号,然后对这两类信号采用分块压缩感知测量方法对图像进行分块测量,得到代表颜色特征和纹理特征的分块测量向量.其次利用MSAMP算法进行分块重构,计算出分块原始信号差量及其稀疏值.最后在图像检索时,通过计算图像的整体相似度,重点对差量的稀疏性进行估计,不需要精确恢复原始信号,从而减少迭代次数,加快检索速度.仿真实验表明,应用MSAMP算法的图像检索方法在检索速度和查准率等指标上具有较高的性能.
软件修改是软件维护的基本元素,对软件的任何修改会对软件的其他部分造成一些潜在的负面影响.软件修改影响分析就是用来识别软件修改可能带来的潜在影响.修改影响分析在软件维护、回归测试等方面都有着重要的应用.本文对近年来的修改影响分析技术进行调查,根据调查结果对修改影响分析技术进行分类和总结,为软件开发和维护人员选择适合的修改影响分析技术提供参考.通过对调查结果的分析,首先,提出了修改影响分析可从分析类型、方法、所支持的语言范型、阶段、层次五个角度进行分类;其次,对软件修改影响分析进行了展望,探讨了修改影响分析在基础理论、工具支持、评价机制、可拓展性、跟踪性等方面还需进一步深入的研究.
攻击图是一种分析计算机网络脆弱性的有效工具,它以图的方式描述了攻击者利用系统漏洞和单元间脆弱性信息综合入侵目标网络的行为过程.针对攻击图的最优弥补集问题,文章论证了最优弥补集问题与加权碰集问题之间的等价性,并提供了相应的形式化转换方法.在不增大问题规模的前提下,本文将最优弥补集问题形式化地转换为单一的加权碰集问题以进行求解.理论和实验均表明,在收敛于全局最优解方面,基于转换的分析方法较传统方法有更好的性能.
在理性秘密共享协议中,自利性目标可能会驱使理性参与者偏离协议,从而影响协议的公平性.在(t,n)门限理性秘密共享方案中,其特殊情形(2,2)理性秘密共享方案的公平性较难实现.在同时考虑理性参与者的眼前利益和长远利益的基础上,基于不完全信息动态博弈模型,通过分析理性参与者在(2,2)秘密重构阶段可能采取的策略和信念系统,引入理性参与者的期望收益,研究了(2,2)理性秘密共享重构阶段的完美贝叶斯均衡问题.进一步结合机制设计理论中的VCG(Vickrey-Clarke-Groves)机制,设计激励相容的交互记录机制来约束理性参与者的行为,在不需要秘密分发者保持在线的情形下,提出一个适用于异步通信的公平的(2,2)理性秘密共享方案.
本文基于场致发射电子对阳极表面材的料溅射能量分析,研究了引起正极性电火花加工时阳极材料的损耗机理,并给出了正极性加工时电极损耗率的理论极大值与极小值方程.设计并进行了不同工艺参数下紫铜电极和A3#钢电极单孔电火花加工对比实验,实验表明:相同工艺参数下,紫铜电极比A3#钢电极加工时的极间放电能量大,加工效率对比上前者是后者的极的75倍多,但电极材料的损耗率对比上,前者是后者的近10倍;不同工艺参数下,极间有效放电时间和放电能量越大,加工效率越高,相应的电极的损耗率也增加,但损耗率的增加程度要远小于加工效率的提高程度.
基于无源电子标签的RFID读写器系统通常采用所谓"零中频"接收方案,采用该方案会造成射频信号发射端和接收端之间的载波泄漏,其结果是一方面接收机前端容易饱和因而减少了系统通信距离;另一方面会带来所谓的"直流偏移"问题从而增加了系统误码率.本文提出了两个措施来解决或改善这一问题.首先,将载波抵消技术应用到2.45GHz频段的RFID读写器中,采用微带电路进行载波泄漏抵消电路的设计,通过ADS软件仿真、制作并测试样机,文中给出了改进后环行器泄漏功率的抵消结果.其次,提出一种带有直流反馈环路的宽带高增益直流放大器,用于放大基带信号并自动补偿混频器带来的直流分量,输出波形无明显失真,从而降低了读写器读取电子标签数据的误码率.
基于乘积调制干扰理论,提出了一种新型逆合成孔径雷达欺骗干扰方法:对干扰模板图像作二维FFT(Fast Fourier Transform)变换从而离线快速生成干扰信号,再经过信号相乘调制到截获雷达信号上后转发,可在ISAR(Inverse Synthetic Aperture Radar)上形成虚假目标且假目标尺度可灵活缩放.在介绍乘积调制干扰的基本原理后,从理论上分析了ISAR假目标生成方法.在此基础上,研究了关键干扰参数对干扰效果的影响,给出了影响尺度缩放功能的关键因素和对侦察的依赖程度,最后进行了仿真验证,结果证明了该方法的可行性和有效性.
在直觉模糊集的框架下,重点研究了目标属性值为区间数且权重完全未知,决策者对方案具有偏好信息的问题,提出一种属性权重不确定的直觉模糊多属性决策的威胁评估方法.首先,针对上述问题,建立了直觉模糊区间判断矩阵,给出了目标属性为区间数的指标值规范化处理方法;其次,分析了决策者对方案中所涉及的目标属性、属性权重及决策者权威度,建立了群决策的方案偏好模型;再次,针对目标属性值在某一区间内变化的特点,给出了直觉模糊区间值的接近度与理想解的定义,建立了最优属性权重约束优化模型;最后,以典型的威胁评估实例验证了该方法可同时反映主观和客观信息对目标威胁评估的影响,可有效避免因部分传感器失效或受外界环境因素影响以及决策者主观经验所带来的偏差,实际目标威胁评估结果验证了该方法的优越性.
在射频识别(RFID)系统中,防碰撞算法用来确保读写器工作范围内的所有标签被正确识别.本文在树形搜索算法的基础上,提出了一种有效的防碰撞算法来提高RFID系统的性能.该算法性能的提升依赖于读写器查询方式的建立和碰撞位数据的映射.在算法的设计中考虑了平均请求周期、传输数据的长度和能量效率等指标.仿真结果表明,该算法在时间复杂度,通信开销和能量效率这三个性能指标上有显著的提升.
有源相控阵天线(Active Phased Array Antenna,APAA)阵面安装产生随机误差,振动冲击、热功耗等引起阵面变形,二者产生的阵面结构变形误差会导致天线电性能的下降,已成为实现高性能APAA的难点之一.将阵面变形误差作为附加的相位因子引入到天线方向图函数中,建立了平面矩形APAA阵面变形误差与电性能之间的结构-电磁耦合模型,并仿真分析了天线阵元个数变化时,阵面变形误差对天线电性能的影响规律.
流式数据分析的主要过程是以设门的方式对样本数据中的细胞群进行类群划分.由于传统人工设门方式的缺点,提出了一种基于偏斜t混合模型的流式数据自动聚类方法.该方法采用有限混合模型形式,以偏斜t布为模型密度函数,并通过期望最大化方法估计模型参数.通过对两组不同类型实验数据进行分析,结果表明:相比于非基于模型的聚类方法,基于混合模型的聚类方法对于流式数据的分析具有更好的鲁棒性,能够降低数据中离群值对结果分析的影响;相比于高斯混合模型、偏斜正态混合模型、t混合模型,基于偏斜t分布的混合模型具有更好的灵活性,不仅能够拟合流式数据中椭圆对称分布的数据,而且对于高度非对称分布数据的分析也具有很好的效果.
首次提出一种面向数据中心网络的分层式故障诊断算法---HFD(Hierarchical Fault Diagnosis)算法.算法根据数据中心网络的结构特点,将网络系统分为两个逻辑层.在第一层,通过对"基本单元组"进行多次最简测试,将其划分为"相对故障单元组"与"相对正常单元组"两大类;在第二层,结合本文首次提出的"正-反关联性"思想和笔者曾经提出的"绝对故障基"思想,设计出AD-FAFD算法进行各单元间的相互测试与诊断.仿真实验结果表明,HFD算法在保持良好的诊断精确度的同时,有效降低了时间复杂度.
