基于整体和局部相似性的序列聚类算法

现有的很多序列聚类算法是基于"局部特征可以表征整个序列"的假设来进行的,即不区分实际应用中序列的整体相似性和局部相似性.这对存在保守子模式的序列,如DNA和蛋白质序列是适用的,但对一些注重整体序列相似性的应用领域,如:在交易数据库中用户购买行为的比较,时间序列数据中全局模式的匹配等,由于难以产生频繁子模式,用基于全局相似性的度量方法进行聚类显得更为合理.此外,在基于局部相似性的序列聚类算法中,选取的局部子模式表征序列的能力也有待进一步提高.由此,针对不同应用领域,分别提出基于整体相似性的序列聚类算法GSClu和基于局部相似性的序列聚类算法LSClu.GSClu和LSClu分别利用带剪枝策略的二分k均值算法和基于有gap约束的强区分度子模式方法对各自领域的序列数据进行聚类.实验采用交易序列数据和蛋白质序列数据,实验结果表明,GSClu和LSClu对各自领域的序列数据具有较快的处理速度和良好的聚类质量.

基于概率数据流的有效聚类算法

提出一种在概率数据流上进行聚类的有效方法P-Stream.P-Stream针对数据流上的概率元组提出强簇、过渡簇和弱簇的概念,设计一种有效的在线候选簇选择策略,为每个不断到达的数据元组合理地找到可能归属的簇,并在每个检查点存储微簇快照,以便离线进一步高层聚类和演化分析.最后设计一个"积极"的二层聚类模型来判断现有的第1层聚类模型是否还适应数据流中最近到达的概率元组.实验采用KDD-CUP’98和KDD-CUP’99真实数据集以及变换高斯分布的人工数据集构造概率数据流.实验结果表明,P-Stream具有良好的聚类质量、较快的处理速度,能够有效地适应数据演化情况.

基于参考集索引的高效序列相似性查找算法

序列数据在文本、Web访问日志文件、生物数据库中普遍存在,对其进行相似性查找是一种重要的获取和分析知识的手段.基于参考集索引技术是一类解决序列相似性查找的有效方法,主要思想是找到序列数据库中的少数序列作为参考集,通过参考集过滤掉数据库中与查询序列不相关的数据,从而高效地回答查询.在现有基于参考集索引技术的基础上,提出一种过滤能力更强的序列相似性查询算法IRI(improved reference indexing).首先,充分利用了先前的查询结果集来加速当前的查询,其次考虑了基于序列特征的上界和下界,使得应用参考集进行过滤的上下界更紧,过滤能力进一步加强.最后,为了避免候选集中费时的编辑距离计算,则只计算前缀序列间的编辑距离,从而进一步加速算法运行.实验采用真实的DNA序列和蛋白质序列数据,结果表明,算法IRI在查询性能上明显优于现有的基于参考集索引方法RI(reference indexing).

一种优化多重过滤的序列查询算法

序列数据一类重要的数据类型,在文本、Web访问日志文件、生物数据库等应用中普遍存在,对其进行相似性查询是一种获取有用信息的重要手段.在大型序列数据库中进行高效相似性查询的关键因素之一就是查询算法的过滤能力,即设计能快速过滤与查询序列不相关序列集的过滤器十分重要.提出了结合序列距离的度量性质和序列自身特征的多重过滤算法SSQ_MF,SSQ_MF使用了长度过滤器、前缀过滤器和基于参考集的过滤器,使得算法过滤能力较基于单一过滤器算法进一步增强.此外,设计了有关数据结构对查询数据库的一些统计信息进行了预计算和保存,有效估计了各过滤器的过滤集大小,并构建了一个由过滤集大小确定的最优过滤顺序模型,使得算法的过滤代价最低.实验结果表明,算法SSQ_MF的查询性能优于单一过滤器算法和随机过滤顺序的多过滤器算法.

结合使用挖掘和内容挖掘的web推荐服务

随着Internet的基础结构不断扩大和其所含信息的持续增长,Internet用户越来越感觉容易在WWW服务中“资源迷向”。提高用户访问效率的方法有页面预取技术,站点动态重构技术和web个性化推荐技术等。现有的大多数web个性化推荐技术主要是基于用户使用记录的数据挖掘方法,没有或很少考虑结合页面内容—这才是用户真正感兴趣的。该文提出一种结合用户使用挖掘和内容挖掘的web推荐服务,该推荐服务根据频繁最大前向访问路径,提出含有导航页和内容页的频繁访问路径图概念,根据滑动窗口内的最近用户访问页面内容和候选推荐集中页面内容相关性,来向用户提供个性化推荐服务。经推荐质量分析,这种方法具有较好的推荐优化能力。

结合访问序列和内容挖掘的预取技术

提出了一种结合用户访问序列和Web页面内容的数据挖掘方法来形成预取技术。该技术充分考虑了Web页面的内容语义和内容大小,既可以在一定程度上提高命中率,又可以减少服务器的负载。

基于Web挖掘的自适应站点优化设计

现有的静态 Web 站点结构不能满足人们准确地找到所需信息和享用个性化服务的要求。本文不但通过Web 日志文件的挖掘,找出用户的频繁访问路径来改进 Web 站点结构,而且分析当前访问页面与后续候选推荐页面的内容相关性,形成经过内容裁剪的个性化页面来压缩 Web 页面内容。这样,用户可快速定位到频繁访问的后续页面位置,且页面内容大多是用户感兴趣的主题信息。在此基础上,提出了一个自适应站点模型 AdaptiveSite,经过推荐质量分析,该模型具有较好的优化性能。

概率数据流上Skyline查询处理算法

概率数据流管理与分析逐步引起了研究者们的关注.Skyline查询技术是近年来数据库领域的研究热点.此前相关工作仅限于静态数据集或传统确定性数据流上的Skyline查询处理,尚无人考虑概率数据流上的Skyline计算问题,本文提出的SOPDS算法则较好地解决了该问题.在采用适应性更强的网格索引的基础上,提出了概率定界、逐步求精、提前淘汰与选择补偿等启发式规则对算法从时间和空间两方面进行了系统地优化.实验表明,算法在时间与空间上具有较高的整体性能.

序列数据相似性查询技术研究综述

序列数据在文本、Web访问日志文件、生物数据库等应用中普遍存在,对其进行相似性查询是一种提取有用信息的重要手段.近年来,随着各种科学计算的发展和序列数据的大量产生,序列相似性查询已经成为数据分析领域一个研究热点.其涉及到的几个重要问题有面向各种应用领域的相似性度量及其相互之间的关系;随机序列数据中距离分布的统计信息及其对分析查询算法性能的作用;在大规模数据中,各种高效回答相似性查询的关键技术及各自的优缺点比较.总结了序列数据的分类和特点,给出了几种序列数据相似性度量和随机序列之间距离分布的统计信息,并进一步分析了这些度量之间的关系.接着给出了几种序列相似性查询的类型,以及序列相似性查询要解决的核心问题.在此基础上,针对各种序列相似性查询关键技术进行分类和评价.最后,讨论了关于序列数据相似性查询研究所面临的挑战,并归结了未来的研究方向.

利福平PLGA纳米粒的制备及雾化吸入给药后在大鼠体内的药动学

[目的]制备利福平PLGA纳米粒,考察其体外释放特性并评价该纳米粒在大鼠体内的药动学特征。[方法]以乳酸-羟基乙酸共聚物(PLGA)为载体,采用改良的自乳化溶剂蒸发法制备利福平PLGA纳米粒,考察其形态、粒径、包封率、载药量,采用透析袋法研究其体外释放特性,考察纳米粒经雾化吸入给药后在大鼠体内的药动学特征。[结果]制备的纳米粒外观呈球形或类球形,平均粒径为(128.73±4.07)nm,包封率和载药量分别为(65.84±1.08)%和(3.78±0.14)%。药动学结果显示,纳米粒组的tmax是溶液组6倍,Cmax比溶液组降低30%。[结论]采用改良的自乳化溶剂蒸发法可成功制备利福平PLGA纳米粒;经雾化吸入给药后,能显著减缓利福平进入体循环的速度并使药物全身暴露减少,具备进一步开发价值。

一种基于增长模式的交易序列聚类算法

对交易序列进行各种挖掘分析能为商家制定营销策略提供量化依据.文中从销售量及变化趋势角度研究交易序列数据集的内在结构,定义了一种反映价格变化趋势的增长模式及其错位组合距离和角度向量距离两种相似性度量,在此基础上设计一个考虑时限约束的目标函数进行聚类研究.实验数据采用真实的商品交易序列集,结果表明,在时限约束的条件下,增长模式这种特征提取方式及其模式间的两种距离函数能较好地产生聚类结果,且这些聚类结果能得到较好地解释.

一种探索高熵合金相形成的端到端机器学习框架

探索高熵合金(HEAs)的相形成规则对于新型合金的设计具有明确的指导意义。提出一种端到端的框架用来从特征池和模型池中分别选择特征子集和机器学习(ML)模型。在该框架中,模型池中的模型基于其获得的特征重要性来选择适合自身的特征子集;通过评估每个模型和其对应的特征子集的拟合结果,用于建立目标任务的预测模型;最终,获得影响HEAs相形成的重要因素。研究结果显示,建立的相预测模型可将430种HEAs分成5种相,测试准确度达到87.8%,并且通过分析模型发现,当原子尺寸差异大于8.295%时,HEAs的单相固溶体的形成受到抑制。

一种序列模式的相似性查询算法

数值型序列在很多应用中存在,如超市的POS销售记录和证券交易所的股票买卖数据等.在此类数据中查询与给定序列模式相似的子模式具有重要的现实意义.提出一种趋势融合的序列相似性查询算法NSS_QA,首先对所有序列进行单调区间的"融合"处理,然后根据各区间的长度比例和幅度比例产生序列模式的候选集,最后定义了一种新的相似性度量来计算并返回查询结果.该查询算法能找到与给定序列模式"放大"或"缩小"的模式结果.实验结果表明,提出的算法能找到在总体形状上与给定序列模式相似的所有模式,且在时间上具有较好的伸缩性能.

基于特征工程和机器学习的铝基高熵合金稳定性预测

铝基复合材料具有众多优异的性能,应用前景较好.以简单稳定相的高熵合金可以作为增强颗粒来制备铝基复合材料,其各方面力学性能都显著提升.提出了一种基于结合了特征工程和机器学习的新方法来研究高熵合金相稳定性.该方法利用特征工程筛选出影响目标属性的重要因素,然后选择相应的回归方法预测相稳定性.使用50%的数据集进行训练,并在其余数据集上进行测试验证.研究结果表明,该方法在预测高熵合金的相稳定性方面具有较高的准确性(R^(2)=0.994),且能辅助找到影响相稳定性的关键因素.

用于生物分子网络比对的自适应匈牙利贪心混合算法的并行化

生物分子网络比对是生物信息学中一个重要领域,是研究生物现象和生命机理的有效手段,而自适应匈牙利贪心混合算法(AHGA)是其中一个有效的生物分子网络比对算法。但是生物分子网络数据的规模都比较大,而且由于其拥有生物背景,生物分子网络数据具有一些特殊性。为了能够在可以接受的时间范围内获得大规模生物分子网络的比对结果,使用MPI和统一计算架构(CUDA)对自适应混合算法进行了并行化,在比对中充分考虑生物分子网络的生物学意义,对两种方式进行了对比分析,以寻找更合适生物分子网络的比对方法。

基于KVM虚拟化技术的Hadoop架构

本文提出并实现了一种Hadoop与虚拟化技术相结合的模型.该模型将多核计算机虚拟成多节点集群,最大限度地利用计算资源.在实验测试的基础上,通过分析任务在Hadoop环境中的并行机制,弄清计算任务在节点中与核中的分配方式,以达到提高并行效率、降低硬件开销的目的,最后通过对典型应用问题进行计算,从而对本文所提出模型的正确性和有效性进行了验证.

基于SISSO和机器学习方法的钙钛矿结构的稳定性预测:新型容许因子建立与验证

由于钙钛矿型材料具有广泛的应用前景,因此对其结构及物理、化学性质的研究一直是材料研究领域的热点之一。其中,利用容许因子(Tolerance factor)来预测钙钛矿型材料的结构稳定性可以帮助研究者发现更多的新型功能材料,而传统的基于离子半径定义的容许因子tIR存在一定的局限性。本文基于SISSO(Sure independence screening and sparsifying operator)方法和键价模型提出一种新型的容许因子τBV,其可以有效地避免由离子半径带来的局限性。本工作使用机器学习中的决策树算法建立容许因子验证模型,实验结果表明,新型容许因子τBV可以很好地预测ABO3型化合物是否具有钙钛矿结构,并大大提高了预测精度。

基于consR的并行图匹配方法

随着社交网络、生物网络规模的迅速扩大,能够快速、高效地实现对这些网络的匹配、查询等工作已经成为许多应用领域的迫切需求。给定两个网络图,图匹配的过程即为对图G1中的每个节点在图G2中找到唯一一个相对应的最为相似的节点,使得给定的两个图的匹配边的数量最多。文中基于大图匹配方法 consR,进行了两方面的优化:当图的节点数目较少时,优化了图G1、G2的相似性矩阵计算策略,从而使得图匹配的计算更加快捷;当图的节点数目较大时,针对匹配过程中最为耗时的步骤进行并行优化处理。实验结果表明,在与consR方法计算出的匹配结果保持一致的情况下,一定程度上缩短了图匹配计算时间。

JavaBean及中间件技术在证券类电子商务开发中的应用

本文分析了证券类电子商务开发面临的问题以及Java语言和中间件技术在应用开发中的解决方案,并提出了四层次JavaBean的开发方法,满足了系统性能及稳定性的要求,适应了业务灵活多变和程序员流动的情况。

线性聚能爆破时影响岩体损伤因素的灰色关联分析

为了研究线性聚能爆破对炮孔周围岩体损伤的影响,选用不同聚能锥角(40°、50°、60°、70°、80°)的聚能管在井下巷道侧壁开展了线性聚能爆破和损伤测试试验。在不同参数下岩体损伤实测数据的基础上,以岩体爆破损伤度作为系统特征变量,并选取装药量、爆心距、岩体质量、炮孔深度、聚能锥角和聚能方向夹角作为相关因素变量,运用灰色关联法进行计算。结果表明:聚能方向夹角和聚能锥角对周围岩体损伤的影响程度最大,装药量和爆心距的影响次之,岩体质量和炮孔深度对聚能爆破岩体损伤的影响相对于其它因素要偏小一些,为线性聚能爆破的工程应用提供理论指导。