资源约束项目计划关键序列与内在稳健性关系

针对关键序列为决定项目计划内在稳健性的重要因素,采用Kolisch与Sprecher算例生成器Progen产生的算例j30rcp进行仿真试验以确定二者间的关系,并采用Tabachnik正态检验统计量和Wilcoxon检验统计量进行统计检验。结果表明,两种统计量的检验结果完全吻合,优化可控计划的稳健性优于非优化可控计划的内在稳健性,且资源链接越少、关键序列越少、项目计划的内在稳健性越优。

基于血凝素关键序列的流感病毒疫苗

流感病毒的血凝素(HA)位于流感病毒包膜上,在流感病毒吸附和穿入宿主细胞的过程中起着重要作用.血凝素以三聚体的形式镶嵌在病毒包膜上,每个单体糖蛋白是由两个经二硫键连接的蛋白亚单位组成,即HA1和HA2.血凝素属Ⅰ型膜蛋白,其一级结构含有4个结构域:信号肽(前导序列)、胞浆域、跨膜域和胞外域. 血凝素是流感病毒最主要的表面抗原,它能够诱导机体产生相应的中和抗体以中和病毒.血凝素一般含有5 个抗原决定簇,流感病毒的流行与其抗原结构的变化密切相关.主要就血凝素的结构和功能、流感病毒疫苗以及以血凝素基因关键序列为基础的流感病毒疫苗进行阐述.

基于关键帧序列的视频片段检索

提出了一种基于关键帧融合的视频片段检索方法。使用特征联合分布直方图将视频分割为子镜头,子镜头用关键帧表示。检索时,对范例视频片段的每个关键帧检索到相似的关键帧,所有的相似关键帧按照时间连续性融合为视频片段。提出一种快速的视频片段相似度计算模型。实验表明,本文的方法快速有效。

基于应用层协议关键词序列的应用层异常检测方法

提出一种基于应用层协议关键词序列的应用层异常检测方法.它用应用层协议关键词和关键词之间的时间间隔构成观测序列,用隐半马尔可夫模型来刻画正常用户在使用每种应用层协议时的行为.该方法可分为模型训练和异常检测两个阶段:在模型训练阶段,利用前后向算法训练得到正常用户在使用每种应用层协议时其行为的隐半马尔可夫模型;在异常检测阶段,在线统计每个观测序列相对于模型的平均对数或然概率,当发现某个用户在使用某种应用层协议的过程中其行为出现异常时,采取调整该用户数据流的优先级或者带宽的方式来对该用户的异常行为进行控制,从而可以自动纠正用户的异常行为.使用包括DARPA测试数据集在内的一些数据对该方法进行了验证.实验结果表明该方法能很好地描述正常用户在使用应用层协议时的行为,并且在检测用户异常行为时具有很高的检测率和很低的误报率.

面向协同任务的资源服务关键特征序列识别方法

为挖掘频繁的资源服务序列,进而提高协同任务的资源选取效率,提出基于资源服务特征以及特征间影响关系的方法。针对资源服务序列,为求解资源服务间的影响度,提出一种关键特征序列识别方法。首先,采用PrefixSpan算法分析并获得资源服务序列模式;然后,针对资源服务序列提出基于时间序列的影响度计算方法,并从中识别出关键特征序列,进而计算出资源服务序列的综合影响度;最后,通过仿真实验分析验证了所提方法的可行性。

C语言程序关键词序列表示法

提出C语言程序关键词序列表示法,以消除由于个性化编程所造成的代码的不同,以证明程序是相同的。

一种基于关联矩阵的高效DNA序列挖掘算法

DNA分析是生物信息学研究中基础而核心的工作,而数据挖掘作为支撑生物信息学的重要技术,已经被广泛应用到DNA序列的分析中。与传统的商业领域的事务序列相比,DNA序列具有项目符号少但序列长度长的特点,因此经典的序列挖掘算法很难适应DNA序列的模式挖掘需要。本文在分析DNA序列的挖掘需求基础上,提出了一种称为关联矩阵的数据结构。关联矩阵能够将序列数据压缩成可分析的矩阵形式,所以它的空间紧凑性能够使得超长的DNA序列能够在有限的内存中加以处理。基于关联矩阵结构,设计了高效的DNA序列的关键序列挖掘算法。实验说明了本文算法在DNA序列分析中的高效性。

运动序列的时空结构特征表示模型

运动序列是一种与运动信号相关的多维时间序列,各个维度序列之间具有高耦合性的特点。现有的多维序列表征方法大多基于维度间相互独立的假设或缺乏可解释性,为此,提出一种适用于运动序列的时空结构特征表示模型及其两阶段构造方法。首先,基于空间变化事件的转换方法,将多维时间序列变换成一维事件序列,以保存序列中的空间结构特性。接着,定义了一种时空结构特征的无监督挖掘算法。基于新定义的表示度度量,该算法从事件序列中提取一组具有代表性的低冗余变长事件元组为时空结构特征。在多个人类行为识别数据集上的实验结果表明,与现有多维时间序列表示方法相比,新模型的特征集更具代表性,在运动序列模式识别领域可以有效提升分类精度。

基于访问行为序列相似度的加权聚类算法

传统算法很少有研究用户行为的聚类,用户访问关键词、访问时间、访问次数等行为都能够反应出其兴趣,从用户行为日志出发,考虑到其访问量、关键词序列以及关键词之间的时间间隔权重,对k-means进行改进,提出一种基于行为序列相似度的加权聚类算法K-Similar,重要的用户群体聚到一类,挖掘出这一类用户的内容需求。该算法已在中国知网的行为日志数据上进行了验证,验证结果表明,该算法在效率和精度上较k-means都有一定程度的提高,得到了兴趣度更高的用户群体,展现了群体的需求特点。

基于树状语料库的中文短语相似度计算

在诸如文件摘要、个性化搜索、学术诚信检测、常见问题自动解答、自动翻译等领域,短语相似度计算是核心算法。通过引入树状语料库,精确定义、计算词汇相似度,对基于抽取关键词序列的中文短语相似度算法做进一步改进。实验证明,该方法在提高中文短语相似度计算的准确率上达到了预期效果,更符合人的直观感觉。

基于胶囊网络和注意力机制的智能合约漏洞检测方法

近年来,随着智能合约的数量越来越多,因合约漏洞而造成的经济损失愈发严重,智能合约的安全性越来越受到广泛的关注。基于深度学习的漏洞检测方法能够解决早期传统智能合约漏洞检测方法检测效率低、准确率不足的问题,但大多现有基于深度学习的漏洞检测方法都是直接使用智能合约源代码、操作码序列或字节码序列作为深度学习模型的输入,会因引入过多无效信息而削弱有效信息。为此,文中提出了一种基于胶囊网络和注意力机制的智能合约漏洞检测方法。考虑到程序的执行时序信息,文中通过提取智能合约的关键操作码序列作为源代码特征,然后利用胶囊网络和注意力机制的混合网络进行训练,其中胶囊网络模块用于提取智能合约的上下文信息以及局部与整体的联系,注意力机制用于给不同的操作码按照其重要程度分配不同的权重。实验结果表明,文中提出的算法在智能合约数据集中的F_1分数和准确率分别为94.48%和97.15%,与其他传统检测方法和深度学习方法相比有较明显的性能提升。

基于运动特征数据的人体运动行为特征关联分布模型

为解决人体运动行为的特征提取问题,该文进行了基于运动特征数据的人体运动行为特征关联分布模型研究。通过分析人体运动行为目标检测的基本思路,设计了运动行为特征提取、人体行为序列转化并建立了N-SCHMM模型的新型分布模型。测试试验表明,该设计可进一步提高人体运动行为特征关联分布的准确率,进而验证人体行为状态与人体运动特征之间结合的可行性,可为相关研究提供借鉴和帮助。

基于历史数据的空中改航算法研究

改航是航班运行过程中应对恶劣天气、军事活动、流量管控等突发情况的重要策略。作者提出一种挖掘历史雷达数据特征的改航算法。算法首先综合考虑改航路径的经济性、安全性、航路特征和容量影响等因素建立改航约束条件,对航班可能的改航区间的航路通路进行分析初选,确定最优的改航区间及其满足改航约束条件的一系列关键点序列。随后基于航班在历史雷达数据中的位置信息分析关键点序列航段执行情况,结合该航段计划航班数据,提出了适用于改航关键点选择的航段利用率计算方式,并在此基础上确定改航路径的最优关键点序列。以航班飞行过程中的速度矢量为建模对象,通过机器学习算法挖掘经过关键点序列航段的航班飞行运动模式。采用混合高斯模型对航班速度矢量建模和参数学习;利用马尔科夫蒙特卡洛采样算法预测航班改航过程中的速度矢量序列。最后利用匀加速运动学方程预测出完整的改航路径。通过某大型流量管理系统的应用实践证明,在考虑了改航约束条件和航段历史运行情况(利用率)等因素下的改航策略符合航班的实际运行情况。同时算法还能以高精度预测航班的改航轨迹,为改航路径相关区域的流量管理提供数据支撑。本文的改航算法能很好的解决航班在飞行过程中的改航问题。

枯草芽孢杆菌P_(spovG)启动子改造与表征

枯草芽孢杆菌是重要的工业生产菌株,广泛应用于外源蛋白质的表达。目前在枯草芽孢杆菌中常见组成型启动子中,P_(spovG)作为高强度组成型启动子在表达外源蛋白质时,具有表达量高、稳定性好和适用范围广等优势。作者首先对P_(spovG)上游序列截短,发现将启动子上游序列由原来的251个碱基缩短为26个,仍能保持启动子强度不降低,并确定了紧邻-35元件上游的3个碱基“AGC”为影响启动子强度的关键碱基。其次对启动子的上游A-T富含区以及spacer区域的G-C富含区进行随机突变,证明了上游激活序列中A-T碱基的排列对启动子强度有重要影响,并得到了强度提高的突变体。最后通过将不同表达时期启动子的关键调控序列分别插入突变体的上下游,得到了启动子强度为原始启动子135.1%的新型启动子SP_(spovG)-P_(lytR)。本研究为枯草芽孢杆菌表达系统开发新型强组成型启动子提供了重要的参考。

一种平衡树的研究之五

本文是文[4]的续篇,该文研究两棵平衡树之间的操作,通过两棵平衡树的同时操作,完成两个集合之间的各种运算,如测试集合包含关系(ISSUBSET)、求集合的并(UNION)、求集合的交(INTERSECT)、求集合的差(DEDUCT)、按关键字序列的连接(CONCATENATE)、拆分(SPLIT)、空间压缩(COMPACT)等算法。重要算法给出了时间复杂度证明。

面向环境适应性的机器人服务策略生成方法

为提高机器人在不同家庭环境下的服务任务执行能力,提出一种环境适应性服务策略生成方法,可生成以当前环境物品信息为主导的服务策略.首先,利用词频-逆文本频率(TF-IDF)算法构建服务指令集、关键字序列集与服务策略数据集;然后,对无规则自然语言指令进行语义解析与组块分析,分解映射至结构化服务指令以简化语义空间,获取对应待选关键字序列;最后,对包含当前家庭环境信息的Protégé本体知识库进行匹配、推理,获得服务关键字序列,引导经服务策略数据集微调的GPT-2模型生成适应性服务策略.实验结果表明:该方法能够提高服务策略生成的准确性,且最终生成的策略在具体家庭环境下具有更高的可行性.