融合语义资源和关键词的文本聚类

融合关键词形式的属性层知识可有效提高文本聚类的聚类质量,但融合关键词的簇中心初始化仍是一个开放性问题。为此,提出一种融合语义资源和关键词的文本聚类方法。通过Wikipedia语义识别文本集的主题,采用基于资源分配的网络推断策略,通过文献协同关系发现潜在语义相关性,以选择最能代表各主题的重要文档(初始簇中心),并利用软约束与测度学习相结合的策略融合关键词辅助文本聚类。在20Newsgourp文本集上的实验结果表明,与k-means和仅融合关键词的文本聚类方法相比,该方法可有效提升聚类质量,尤其在News_Different_3数据集上标准互信息最多可提升约20%。

基于向量空间的多子网复合复杂网络模型动态组网运算的形式描述

针对典型复杂网络模型仅描述了复杂系统中同一类个体及其间一种相互关系且对问题的讨论仅局限于同一个系统的问题,基于能够描述复杂系统中异类个体间多种关系的多子网复合复杂网络模型,导入多维向量空间,将网络节点间的关系映射为多维向量,定义了向量复合网.在此基础上,将该模型的动态组网运算(加载与退缩)转化为向量空间的基变换,给出了加载运算与退缩运算的形式描述,实现了多子网复合复杂网络的可计算.建立并分析了我国铁路客运复合网,通过网络动态重组运算,基于高速铁路子网与低速铁路子网的拓扑性质,给出了我国铁路发展现状分析.

基于分类的GIS地图符号快速标注算法

对地理特征进行标注是GIS的重要功能,地图标注可以提高地图的可理解性,因而地图标注一直是制图和GIS的研究热点。随着地理信息的指数增长,海量数据快速符号化成为了地图信息有效传输亟待解决的问题。本文提出了一种基于分类的地图符号快速标注算法,将全局的环境要素变换成分组标注序列,将标注过程分解为等价分组标注过程。试验分析结果表明,与常规方法相比,有效提高了地图的标注速度。该算法为海量数据快速符号化的研究提供了基础,为大数据量地图信息有效传输的实现提供了支撑。

基于数据挖掘的MODIS影像海冰检测方法

以中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)影像为数据源,提出了一种基于数据挖掘的海冰检测方法。根据海冰的反射率选择特征属性,并基于数据挖掘提取海冰检测规则。试验结果表明,在无云覆盖情况下,应用本文挖掘出的海冰检测规则能够得到较高精度的检测结果,与目前常用的归一化积雪指数(normalized difference snow index,NDSI)海冰检测方法相比,本文提出的海冰检测方法不仅能够检测出固定冰,而且能检测出厚度较薄的浮冰。

面向基因测序数据的高效位点与表型关联挖掘算法

疾病表型通常会受SNP位点调控,挖掘疾病表型与SNP位点间的关联规则有助于提供个性化分子诊疗方案。由于SNP位点具有遗传异质性,在挖掘疾病表型与SNP位点间的关联规则时,需要将最小支持度阈值设为较低值,甚至是0,又由于SNP位点数据量庞大,这会使得关联规则算法时间复杂度极高。为此,提出了HEMAPS算法,通过使用线程并行处理和垂直数据格式改进Apriori算法。此外,为解决质量性状表型样本比例不平衡问题,提出了一种新的关联规则评价指标——匹配度。实验结果表明,HEMAPS算法的时间复杂度比Apriori算法明显降低。

在线社交网络好友推荐方法的研究——基于非对称相似性方法

考虑用户间影响的差异,从用户关注的兴趣点出发,及其他用户的消息或行为通过最短路径影响该用户的最大可能性,提出了基于非对称相似性的半局部拓扑指标,并将其应用于在线社交网络好友推荐。通过Facebook数据集验证了该方法,实验结果证明,考虑了非对称相似性的好友推荐算法在准确率与召回率上都明显优于其他方法,从而证实了该方法的有效性。

基于差异网络的遗传病病理提取方法研究

为了从复杂的生物测序数据中提取遗传病的发病机理,本文提出了基于位点基因型互作网络的遗传病病理提取方法,并建立位点基因型互作网络。为验证该方法的有效性,以人类原发性视网膜色素变性病例及对照组的基因测序数据为例,建立病例组与对照组的位点基因型互作网络。同时,对这两个网络的节点数量及拓扑性质进行差异性分析,并根据提取开关连接与保守连接的算法,分析比较RP1L1与KIF7开关。分析结果表明,开关RP1L1与KIF7跟人类视网膜色素变性存在较强相关。该研究对提取人类视网膜色素变性疾病的发病机理具有现实的生物学意义。

评估属性层知识和实例层知识融合效果的有效指标

并不是所有的先验知识都能提高聚类质量,因此,评估先验知识的质量对半监督聚类极其重要。在现有的可有效评估成对约束形式的实例层知识的指标——信息量和一致性基础上,提出了可有效评估属性排序形式的属性层知识的指标,即信息量和有效性。并证实了提出指标的有效性和潜力。

基于微生物转移网络的疾病检测算法

针对疾病检测方法中忽略微生物潜在关联问题,提出一种基于微生物转移网络的新型图神经网络算法(SAGE-O-N)用于疾病检测。算法利用微生物测序信息的相似性特征构建微生物转移网络,使用图结构数据挖掘算法发掘相似性与表型关联。实验结果表明,与传统机器学习方法相比,SAGE-O-N在单种疾病上的受试者工作特征曲线面积(Area Under Curve,AUC)提高了约2%,在并发症数据集中AUC提高约4%。

基于肠道菌群多模态信息融合的疾病检测方法

利用可操作分类单元(Operational Taxonomical Units, OTU)或扩增子序列变体(Amplicon Sequence Variants, ASV)推断下游信息时,现有扩增子测序数据分析可能丢失不同物种谱构建法的多模态信息,为此,详细分析了4种疾病的OTU和ASV数据集在肠道群落多样性和群落结构方面的差异,提出了一种有效整合OTU与ASV用于疾病表征预测的方法:MDDMI(Microbiome-based Disease Detection with Multimodal Information)。实验结果表明,MDDMI优于单模态数据分析法。

基于图数据增强的疾病与基因关联挖掘

针对现有关联数据不完整和利用多源组学数据不充分等问题,设计基于三跳局部拓扑相似性的计算指标,识别具有生物学意义但尚未映射的蛋白质相互作用(Protein-Protein Interactions,PPI),提出了一种基于图数据增强的新型图神经网络方法(GDaEPred)用于疾病与基因关联挖掘。实验结果表明,GDaEPred的平均精确率提升了4.1%,精确率、召回率和F1score也均有提升。

粉喷桩施工工艺与质量控制

介绍了加固软弱地基的新方法———深层粉体搅拌桩 (粉喷桩 ) ,通过在衡枣 (衡阳—枣木铺 )高速公路加固K6 4 +2 6 2 1- 4× 4钢筋砼盖板通道地基的施工实践 。

粉喷桩加固1-4.0×4.0钢筋砼盖板通道地基

根据在衡枣(衡阳—枣木铺)高速公路K64+262(1-4.0×4.0)钢筋砼盖板通道和K64+309(1-4.0×3.5)钢筋砼盖板涵的实践,介绍了利用粉喷桩加固软弱地基的一种新方法的设计和施工过程。

基于双层生物分子网络的致病基因预测

基于“致病基因邻居倾向于引起相似疾病”和“必需基因和致病基因关联较少”的假设,融合蛋白质相互作用和代谢通路,构建双层生物分子网络,提出一种基于双层生物分子网络双流量网络传播的致病基因排序方法。为致病基因和必需基因分配正流量和负流量,挖掘与已知致病基因相似的潜在致病基因。实验结果表明,本方法与基于经典假设的单层网络方法相比,在富集分数1和富集分数2分别提高11.66和13.66。

基于双层生物模块网络的致病基因预测

为提高致病基因预测的准确性,提出了一种结合多种生物组合数据的生物分子网络构建方法。利用蛋白质相互作用网络、蛋白质复合物和代谢通路构建双层生物模块网络,并设计一种新型异构图神经网络。实验结果表明,与基于蛋白质相互作用组学数据构建生物分子网络的经典方法相比,本方法的AUC和F1分数提高了约1.5%和3.7%。

基于异构图神经网络的微生物与疾病关联挖掘

微生物与疾病关联挖掘的工作大多未考虑微生物分类信息树等微生物背景信息,也未能充分利用微生物与疾病间的非线性关联,为此提出一种基于异构图神经网络的微生物与疾病关联挖掘方法。利用微生物分类信息树完善生物分子网络,输出异构生物分子网络节点的低维向量并挖掘节点间关联。研究结果表明,与传统方法相比,引入微生物分类信息树的新方法具有更好的效果,AUC、AUPRC和F1-score分别达到0.901、0.552和0.557。