2021年老挝M_(S)6.0地震序列研究

云南地震活动与周边强震存在“构造相连,动力同源”的特征,研究周边强震的序列演化特征及发震构造,对云南地区地震研究具有重要意义。2021年12月24日老挝M_(S)6.0地震发生在滇西南地区的NW向整董断裂附近,震源机制解显示,此次地震是一次走滑型破裂事件,破裂方向与区域构造特征一致。老挝M_(S)6.0地震序列属于前震-主震-余震型序列,主震前震中附近出现3~4级地震非常活跃的现象,前震序列参数计算显示b值波动相对幅度较大,h值出现“上翘”形态,而余震序列b值和h值变化均相对平稳,主震的同震库伦应力结果表明老挝地震可能对云南地区有应力加载作用。

一种最长扩展公共子序列新算法

在最长填充公共子序列问题中提出一种新问题:假设有一个完整序列C和一个不完整序列Q,长度分别为m和n,Q中丢失的元素为相邻的相同元素,要求寻找一个丢失前的序列Q,使得C和Q具有最长的公共子序列。针对此问题,首先将Q中每个元素复制m-1个并插入Q中原来的位置,生成长度为mn的扩展序列Q^(*),然后证明了C和Q的最长扩展公共子序列是两序列C和Q^(*)的最长公共子序列,最后提出一种时空复杂度为O(mn)的最长扩展公共子序列求解新算法,并用轨迹实验证明了该算法对强噪声干扰和轨迹点丢失的同时有效性。

巴戟天与常见混伪品的rDNA-ITS序列分析及其分子鉴定

目的比较巴戟天与常见混伪品之间的rDNA-ITS碱基序列的差异及其规律,同时为巴戟天及混伪品的指纹图谱鉴别提供分子标记.方法对巴戟天及其常见混伪品的rDNA-ITS进行了PCR扩增、测序,并运用CLUSTAL X、MEGA软件对该区进行序列分析.结果测定了巴戟天及其混伪品的rDNA-ITS区序列,包括ITS1、5.8S和ITS2全长序列以及18S、26S部分序列.巴戟天与假巴戟天、羊角藤在ITS1和ITS2区的差异性分别为2.9%～5.8%和2.9%～4.2%,而与虎刺在ITS1和ITS2区的差异性则为21.2%和18.9%.根据ITS序列特征构建的系统树,混伪品假巴戟天与羊角藤首先聚类,然后与巴戟天聚在一起,而虎刺则单独聚为一支.结论rDNA-ITS序列可作为巴戟天与混伪品的一种较好的分子指纹图谱的标记方法.

时间序列异常检测方法研究综述

时间序列是按时间顺序排列的一组数据点或观测值,在金融学、气象学和股票市场分析等领域中被广泛应用。时间序列数据出现异常可能意味着出现潜在问题、异常事件或系统故障。为了便于未来在时间序列异常检测方法设计方面开展深入研究,本文首先介绍时间序列异常检测的相关概念;其次,展开分析国内外单变量和多变量时间序列异常检测方法;之后,介绍一些时间序列异常检测通用数据集并比较常见检测方法在这些数据集上的性能;最后,探讨未来时间序列异常检测方法设计的重点研究方向,以期对相关理论和应用研究提供参考。

一种有效的周期高效用序列模式增量挖掘算法

周期高效用序列模式挖掘(PHUSPM)因其能够发现时间序列中更具实际价值的规律性模式而备受关注,但现有的PHUSPM算法难以有效地处理数据集的增量更新,且未考虑大规模数据下算法的向下闭包性和复杂性。针对该问题,提出了IncPUS-Miner算法,有效地实现了周期高效用序列模式(PHUSPs)的增量挖掘。IncPUS-Miner引入了一种名为pu-tree的新型数据结构,每个树节点对应一个更新效用列表(UUL)用于存储相应序列的辅助信息,当有增量数据加入时,该结构使得项目信息能够灵活更新,从而增强了算法的动态适应性和可扩展性。此外,还提出了两种新的序列效用上界PUB和EUB,以及两种相应的剪枝策略,有效地减少了计算负担。实验结果表明,在真实数据集上,IncPUS-Miner算法可以有效地增量挖掘PHUSPs,与其他算法相比,在运行效率和内存消耗上展现出了优越的性能。

弹性网络正则化的高维序列因果关联识别研究

弹性网络正则化方法兼顾了L1正则化与L2正则化的优点,能够解决高维时间序列因果关系分析中共线性、过度拟合与信息冗余等问题,有效发掘高维序列之间的主要关联关系。首先,基于VAR模型与长期格兰杰因果关联网络,阐述高维序列因果关联识别的方法;其次,讨论了弹性网络正则化如何解决高维序列因果关系建模的弊端,融合L1与L2正则化的主要特点;最后,结合多维大宗商品期货价格日度波动率序列,探索了弹性网络正则化在高维序列因果关联识别的应用,并与其他正则化方法进行比较。结果表明,弹性网络正则化方法避免了信息冗余与“过度稀疏化”的问题,识别与提炼商品价格波动因果关联网络中的主要影响节点与传导关系,挖掘序列关系网络中的主要因果关联。

ASE-ERNIE:一种基于ERNIE的中文指令动作序列生成方法

中文结构灵活多样,同样的语义有多种表达方式,在中文指令过长或存在多组动作的情况下,家庭服务机器人很难正确理解并做出响应。此外,家庭环境的中文指令解析研究在数据方面仍然稀缺。现有的方法不能准确提取出指令中包含的全部动作序列。由此提出一种基于ERNIE方法的动作序列提取(ASE-ERNIE)模型来提取中文指令中的可执行动作序列,该模型通过动作类型和参数之间的关系提取指令信息,将动作序列的提取工作转化为序列标注任务。在指令中存在多组动作并且存在多个参数的情况下,依然能够提取出全部动作序列。通过实验验证了所提方法的有效性,动作序列提取任务的F 1值达到了80.37%。

捻转血矛线虫(H.contortus)ZJ株H11蛋白基因的克隆及序列分析

参照已发表的捻转血矛线虫H11蛋白基因序列设计引物,以H.contortusZJ株的总RNA为模板,进行RT2PCR扩增,成功扩增出H11基因。将PCR产物与pUCm2T载体连接后,转化DH5α感受态细胞,筛选阳性克隆并测序。序列分析表明,其核苷酸序列与国外报道的H11基因的同源性为99.5%。编码氨基酸序列具有氨基肽酶的保守序列,推测可使虫体不能获得所必需的氨基酸而导致死亡。

联合训练下融合编解码器的序列推荐算法

现有基于Transformer的推荐算法通常仅考虑使用编码器来进行推荐预测,缺乏利用解码器去“解码”用户行为序列的能力,不能较为准确预测用户下一次的交互行为。为解决此问题,基于阿里巴巴电子商务推荐的行为序列模型(BST)提出联合训练下融合编解码器的序列推荐算法模型BSTEAD。通过采用联合训练机制,设置Transformer预测任务和BST预测任务。将两条预测任务的损失进行加权求和,得到最终的损失函数。在MovieLens和Goodbooks两个公共数据集上的实验结果表明,BSTEAD推荐算法与5个对比模型相比性能具有显著提升,验证了联合训练机制下解码器对推荐任务的有效性。

一类基于m-序列采样的最优跳频序列

在跳频通信系统中,跳频序列的相关特性是衡量系统性能的一个重要标准。因此,设计新的具有低相关性能的跳频序列一直是跳频系统中研究的重要课题之一。基于有限域上的特征和与m-序列的采样序列,本研究构造了一类关于Lempel-Greenberger界的最优跳频序列,该类序列具有新参数。

跳频序列设计:研究现状与未来发展

跳频序列设计是跳频通信系统的关键组成部分之一,其研究包括理论界的推导和构造方法的探索。宽间隔跳频序列能够很好地抵抗窄带干扰,低/无碰撞区跳频序列能够实现高效的多址组网。介绍了宽间隔跳频序列和低/无碰撞区跳频序列的定义和性质,综述了其理论界和构造方法的研究进展,最后指出,具备宽间隔和低/无碰撞区特性的跳频序列是未来研究的重点方向。

基于傅里叶变换与近端采样的序列推荐算法

传统推荐算法比较注重于模型本身对于推荐效果的提升,实际上数据质量对于算法的影响更为重要,但目前在推荐算法领域对于数据的科学处理方法比较零散,没有形成一个系统的框架。针对以上问题,基于傅里叶变换与近端序列采样的数据预处理,结合SASRec提出可以普遍应用的序列推荐框架FTRRec。首先通过傅里叶变换将序列数据在时域和频域中相互转换,并根据序列数据的特点,过滤序列中的无用信息,其次使用近端序列采样替换传统的滑动窗口采样法,加速样本采样的同时,提升模型对于序列的特征捕获能力。通过在5个公开数据集上的实验,将框架应用于三个不同的主流推荐算法时,每种模型均有3%-5%的提升。

希尔排序理想最优增量序列的研究

希尔排序的运行效率取决于对增量序列的选择。随着新增量序列的提出,希尔排序的执行效率不断提高,然而始终未能求得理想最优增量序列。文章总结增量序列的更新历程,研究希尔排序算法及其各种增量序列,探究理想最优序列。提出一种新的增量序列——Li序列,并给出Li序列的实现过程和具体推导过程。Li序列有待进一步完善,但通过实验,多维度比较Li序列与当前主流增量序列的优劣,证明Li序列是最接近理想最优增量序列的增量序列之一。

基于张量表示的间歇性序列自适应区间预测

在实际业务中,配件需求发生随机、需求量波动大,配件序列数据呈现明显的间歇性分布,同时由于人工报单失误或特殊事件等因素的影响,实际配件需求易发生异常变化,导致传统的时间序列预测方法难以捕捉配件需求量的演化规律,预测结果不确定性高、可靠性不足。为解决上述问题,提出了一种基于张量表示的间歇性序列自适应区间预测方法。首先,利用层次聚类,基于间歇性序列的平均需求间隔和平方变异系数指标筛选相似序列形成序列簇,用于提取簇内公共需求演化信息,增加可预测性;其次,通过张量分解重构原始需求序列,在最大限度保留序列核心信息的前提下平滑序列中的异常值;最后,构建一种自适应预测区间算法,通过动态更新机制得到配件需求量的预测值和预测区间,以确保结果的可靠性。利用某大型轨道交通制造企业实际售后数据进行验证,与现有典型时间序列预测方法相比,所提方法可有效挖掘不同特点间歇性序列的演化趋势,提高小样本间歇性序列的预测精度。实验结果表明:所提方法在间歇性特有指标均方根标准误差(RMSSE)上,相较于需求预测主流的深度学习方法平均降低了0.32,且当预测结果出现失真时,可提供一个可靠的弹性预测区间,为实际应用中企业智能备件计划决策提供了一种新的解决方案。

具有优异汉明相关特性的混沌跳频序列构造方法

跳频通信具有码分多址、频带共享、抗干扰和抗截获的能力,在无线通信系统中得到了广泛的应用。目前基于混沌方法构造的跳频序列大多具有较高的线性复杂度,所得到的跳频序列虽然具有良好的随机性,但是其汉明相关性还不够。在选取具有优异汉明相关特性的m序列的基础上,结合混沌序列,利用笛卡尔积构造得到了具有优异汉明自相关性的跳频序列。该跳频序列具备与混沌序列一致的线性复杂度,而且可以保证其周期不小于m序列的周期,汉明自相关值不超过m序列的汉明自相关值。

基于Transformer的时间序列插补技术研究

本文旨在解决多元时间序列数据中的缺失值插补问题,提升时间序列数据插补的效果。时间序列数据是反映随时间变化的随机变量的结果,在物联网应用中得到广泛应用。然而,数据缺失问题是时间序列处理中的一个重要挑战,因为大多数下游算法需要完整的数据进行训练。本文通过总结以往时间序列建模过程中采用的插补方法,改进了一种基于Transformer模型的插补模型,并在多个数据集中验证了本文中插补模型的效果。通过本文的研究,可提高时间序列预测的准确性和实用性,对于物联网应用和其他领域中的时间序列分析具有一定的实用价值。

程序设计中对象序列化方法的探讨

基本序列化、选择序列化及自定义序列化是当前程序设计中引入的三种基本序列化方法.本文对三种序列化的方法进行了论述并说明使用序列化方法的优点.

常规VIBE序列与3D自由呼吸Star-VIBE序列在老年患者腹部磁共振检查中的应用

目的:探讨常规VIBE序列与3D自由呼吸Star-VIBE序列应用于老年患者腹部磁共振检查中的效果。方法:本研究纳入2019年1月至2022年12月在山东省莱州市人民医院进行腹部磁共振检查的44例老年患者。对这些患者使用常规VIBE序列和3D自由呼吸Star-VIBE序列进行检查。比较使用常规VIBE序列与3D自由呼吸Star-VIBE序列进行检查的扫描时间、一次性扫描成功情况、扫描图像主观评价与客观评价情况。结果:使用常规VIBE序列进行检查的扫描时间短于3D自由呼吸Star-VIBE序列(P<0.05)。使用3D自由呼吸Star-VIBE序列进行检查的一次性扫描成功率高于常规VIBE序列(P<0.05)。使用3D自由呼吸Star-VIBE序列进行检查的扫描图像主观评分高于常规VIBE序列(P<0.05)。使用3D自由呼吸Star-VIBE序列进行检查的扫描图像信噪比(SNR)和对比度噪声比(CNR)高于常规VIBE序列(P<0.05)。结论:常规VIBE序列与3D自由呼吸Star-VIBE序列应用于老年患者腹部磁共振检查中的效果显示,使用常规VIBE序列进行检查的扫描时间更短,可应用于老年急危重症患者腹部磁共振检查中,使用3D自由呼吸Star-VIBE序列进行检查的扫描图像质量更好,可为临床诊疗提供更优质的影像学依据。

时间序列异常检测综述

海量的时间序列数据给异常检测领域带来了新的契机与挑战,尤其是多元时间序列的异常检测正在成为新的研究热点,然而,这一方面的研究目前仍处于初步阶段。通过整理国内外相关文献,从时间序列特征、检测方法、评价指标三个方面阐述了研究进展,并着重分析了基于深度学习的时间上下文建模主流算法的优缺点及其研究趋势。

一种生成p元d型序列的快速算法

p元d型序列是一类和级联GMW序列一样具有理想自相关性能的序列.它原有的迹函数生成方法需要大量非线性运算,并且需要掌握较多的有限域知识,不利于工程人员快速方便的进行序列的软硬件实现.通过对p元d型序列和移位序列的研究,提出了一种快速生成p元d型序列的算法,该算法借助m序列和相应内部序列的移位序列能够快速生成p元d型序列,比以往的生成方法简单易行且易于理解.