中药色谱指纹图谱全排序模板匹配算法研究

目的提出一种全排序模板匹配算法,用于中药色谱指纹图谱的色谱峰匹配和指纹图谱相似度计算。方法以高效液相色谱法(HPLC)测定丹参药材中丹参酮ⅡA为例,分别采集样品溶液的色谱图,对色谱峰进行匹配,在原有算法基础上,提出一种全排序模板匹配算法,这种算法不以任何一张实际的指纹图谱为模板,而是根据所有图谱上的所有色谱峰的保留时间进行升序排序、聚类,依从色谱峰最接近、同一组匹配峰中不包含两个同源峰、待匹配的峰不超过匹配阈值等原则。结果这种方法克服了原算法中的某些错配、漏配等缺陷,得到了较满意的匹配结果。结论此算法为以保留时间为依据的色谱峰匹配算法找到了新的切入点。

基于DEA系统潜力损失的决策单元全排序方法

DEA模型作为一种非参数评价方法,在很多领域得到广泛应用。传统的DEA方法经常会遇到多个决策单元同为DEA有效而无法区分相对优劣的情况。为了对决策单元进行全排序,本文从系统和相对效率的角度定义了相对潜力和潜力损失的概念,揭示潜力损失和强弱有效性之间的内在关联,并提出一个基于DEA系统潜力损失的决策单元全排序方法,来判定所有决策单元的优劣,最后用一个实例来说明本方法的计算步骤。

基于灰色关联分析的VIKOR法中评价对象全排序模型

由于应用VIKOR法受到两个条件的严格约束,致使有时无法对部分评价对象全排序,从而不能实现最终评价或决策。针对这一问题,文章选择灰色关联分析方法构建了全排序模型,通过全排序模型有条件地解决了VIKOR法存在的这一问题,对VIKOR法排序范围与方法给予了补充,从而扩大了评价或决策的范围。

基于全排序与混沌多样性的高维目标进化算法

当前大部分多目标进化算法采用Pareto排序为种群个体指定适应度值;然而随着优化目标个数增加,种群中非支配个体的比例越来越大,造成上述算法的搜索能力迅速下降。针对高维(4个以上)目标优化问题,提出了一种全排序方法;该排序方法与Pareto排序具有一致性,并且能够对非支配解进行比较;因此基于全排序的多目标进化算法不受目标个数增加的影响。为了提高算法的优化效果,设计了一个混沌映射算子,用来周期性地初始化种群,以保证种群的多样性与均匀分布。最后,采用标准测试问题对所提算法与著名的非支配快速排序遗传算法(NSGA2)进行了实验比较。结果表明在高维目标优化问题中,所提算法无论在收敛精度,还是算法运行效率上都高于NSGA2算法。

基于DEA系统潜力损失的决策单元全排序方法

DEA模型作为一种非参数评价方法,在很多领域得到广泛应用。传统的DEA方法经常会遇到多个决策单元同为DEA有效而无法区分相对优劣的情况。为了对决策单元进行全排序,本文从系统和相对效率的角度定义了相对潜力和潜力损失的概念,揭示潜力损失和强弱有效性之间的内在关联,并提出一个基于DEA系统潜力损失的决策单元全排序方法,来判定所有决策单元的优劣,最后用一个实例来说明本方法的计算步骤。

基于OP通道的交互协作系统中的全排序多播

全排序(TotalOrdering)是组播的重要特性之一。结合基于OP通道的交互协作系统中命令信息的特点,提出了一种动态的全排序多播(TotalOrderingMulticast)算法,该算法通过建立最小延迟多播树来保证信息的全排序多播,并通过动态调整多播树来改善算法性能。

基于虚拟决策单元的DEA全排序方法

在应用DEA方法进行绩效评价的过程中,多个决策单元同为DEA有效而无法区分相对优劣的情况经常出现。为了对决策单元进行全排序,本文揭示了潜力损失和强弱有效性之间的内在关联,定义了虚拟决策单元的概念,并提出一个基于虚拟决策单元的全排序方法,来判定DEA有效的决策单元的优劣。最后我们用一个实例来说明本方法的计算过程。

不同决策环境下的区间属性决策单元效率全排序

建立了不同决策环境下区间属性决策单元效率全排序方法。本文结合超效率思想把不确定性的区间数据包络模型转化成一对确定性的超效率数据包络模型,以获得不存在效率拥挤的超效率区间;然后,根据不同决策环境的需要,分别借助赫威斯决策准则和区间数比较的可能度理论,建立了可供选择的决策单元区间效率水平的全排序方法。最后通过两个典型实例说明本文方法的优越性。

全拓扑排序的研究及实现

拓扑排序是有向图的一种重要运算．通常的拓扑排序方法只能得到一个拓扑序列．本文给出了求解一个有向图的所有拓扑序列的方法及其适合编程的算法．在基于模糊超文本结构的智能计算机辅助教学系统中，利用该算法实现了最佳路径教学策略．

整数计分投票方法下全排序概率问题研究

讨论了在与Borda投票规则相似的整数计分投票方法中,投票结果使备选方案集产生全排序(任意两个备选方案的总分值不同)的概率P的问题.给出了在一定假设条件下计算P值的相关公式;通过分析运行计算机程序得到的数据,讨论了P值关于整数计分投票问题的三个变量的单调性性质;最后根据P值函数的单调性性质,指出应如何设计和调整整数计分投票规则.

AOV网中全拓扑排序算法的设计及应用

以顶点表示活动的网络(AOV网)可用来表示整个工程中各个子工程的先后次序制约关系,利用拓扑排序算法能求得子工程的线性序列———拓扑序列。按此序列安排各子工程,能保证整个工程的顺利完成。传统的拓扑排序算法基于栈结构实现,只能求得实际存在的多个拓扑序列中的一种,削弱了算法的实用价值。文中为了弥补这一缺陷,设计全拓扑排序算法求出了AOV网中实际存在的全部拓扑序列。给出了AOV网的定义及拓扑排序算法思想,分析了传统拓扑算法的不足,提出了一个全拓扑排序求解算法。并讨论了算法中用到的数据结构,以及算法的伪代码实现,通过一个应用实例验证了全拓扑排序算法的实用性和正确性。

基于树的AOV网并行性全拓扑排序算法设计与实现

讨论了AOV网的一种并行性全拓扑排序的算法及实现,解决了传统拓扑排序算法的单一性问题,说明了并行全拓扑排序有重要的实用价值。

基于对象相关性的全监督和直推式排序算法

在信息检索和机器学习领域,大部分排序学习方法假设查询中的各个对象均满足独立同分布.虽然该假设简化了排序问题,却未能利用目标对象之间隐藏的相关性信息.在全监督排序和直推式排序2个问题中分别提出了新的方法,充分地利用了对象间的关系.在全监督排序问题中,将对象相关性映射为RBF Kernel,作为约束项加入优化目标,使得优化过程中越相似的对象打分越接近,即全局一致性思想.在直推式排序问题中,利用对象相关性将每个查询映射为图结构,设计了新的基于图结构的查询相似度度量,使得优化过程中越相似的查询,该查询内的对象对预测查询的影响越大.实验结果表明,加入对象之间的相关性提升了全监督排序算法和直推式排序算法的性能.

一种有向图并行性全拓扑排序算法设计与实现

讨论了AOV网的一种并行性全拓扑排序的算法及实现,解决了传统拓扑排序算法的单一性问题,说明了并行全拓扑排序有重要的实用价值。

拓扑排序算法的拓展研究

拓扑排序是有向图的一种重要运算,可以根据拓扑序列串行地安排活动。为增加活动安排的并行性,文章提出并实现了分阶段拓扑排序算法。为求出最佳拓扑序列,还提出了一种全拓扑排序的实现算法。

DNA-pool全基因组高通量重测序分析原发性高血压单核苷酸多态性变异

目的利用DNA-pool技术对原发性高血压患者进行测序,探索中国原发性高血压患者单核苷酸多态性变异(SNP)情况。方法连续收集2014年3月至2014年6月深圳市孙逸仙心血管医院的高血压门诊患者100例。将基因组DNA片段化处理至400~800bp进行建库测序,将测序结果与NCBI(National Center of Biotechnology Information)人类基因库hg19进行比对。结果共生成120.8Gb原始序列数据,测序深度约为36.13倍,覆盖率达到了99.88%。通过生物信息学分析共检测到4 305 668个SNP点,其中C:G→T:A的变异类型最多,达到12 314个变异位点。结论研究验证了使用DNA-pool的全基因组重排序的方法。研究所得数据也对中国原发性高血压的基因型数据库进行了补充,对未来原发性高血压基因研究提供了一定的帮助。

DEA方法在应用技术类科技成果评价中的应用

根据科技成果评价的目的和特点,首先构建了应用技术类科技成果评价指标体系,包括技术创新性、技术经济指标的先进性、技术重现性和成熟度、技术创新对推动科技进步和提高市场竞争能力的作用、经济和社会效益五个方面。利用DEA输入输出指标的制定原则确定了科技成果评价的输入、输出指标。实际案例证明,采用基于DEA系统潜力损失的决策单元全排序方法对科技成果进行排序是可行的。

声明

本刊决定对以下论文进行撤稿。1.“8”字图的匹配能级和Hosoya指标全排序.2019,58(1):144-1482.LDH-CO3-SO4-Cl晶须的合成及其结构.2019,58(2):121-1273.次线性g-期望的性质及其应用.2019,58(5):153-158特此声明。

风险型决策分析的新方法

由于风险型决策(Risk Decision Mading,以下简写为RDM)问题中的灵敏度分析还没有一种固定的、通用的分析方法,因而国外有关决策论的文献中基本上是以简单的例子来说明分析的原理,然而这种分析过程对于较复杂的RDM问题(方案数或状态数多于三)的灵敏度分析是很难进行下去的。本文根据灵敏度分析的基本思想,推导出一个RDM问题灵敏度分析的公式——转折概率计算公式,进而给出了任何RDM问题灵敏度分析的过程。RDM问题可由表1来描述。

基于FPGA的自适应阈值边缘检测的实现

在数字图像处理中,边缘检测是重要的步骤之一。基于Sobel算子的边缘检测是经典的边缘检测算法之一,因其计算简单,同时提取边缘清晰,容易在硬件上实现。但是,其对噪声变化抑制能力较弱。同时,该算子使用的是预先设定的固定阈值,导致该算子的适应能力不强。该文利用中值滤波的算法,并与全并行比较快速排序算法相结合,可以快速确定像素点周围的局部边缘阈值。最后,将此数值作为图像二值化的阈值。此算法已经在FPGA平台上实现。