架构约束条件下产品模块识别的可视化方法

为了在考虑架构约束条件的产品模块化过程中直观地识别出模块,提出一种基于可视化对角矩阵的方法.首先通过包含架构约束条件的遗传算法自动产生一组优化的模块划分方案;其次根据优化解集构建出成组可能性矩阵(GLM)并对其对角化,得到对角GLM(DGLM);再将DGLM的非对角单元根据可能性值进行着色;最后通过DGLM辨识出系统的典型结构和各种潜在的模块.以磁共振成像设备中的注射器为实例,验证了该方法的有效性.

膜蛋白质间原子填充结构解析

提出蛋白质间三对三原子填充结构定义,根据此定义对16个膜蛋白质间的原子填充结构进行解析,分析了原子填充结构的形成特点.并根据不同类型氨基酸形成填充结构的频率,分别构建了三对三原子填充结构及传统的一对一原子填充结构的可能性矩阵.

膜蛋白质间原子填充结构预测方法研究

根据蛋白质间三对三原子填充结构定义,对膜蛋白质间的原子填充结构进行解析,利用不同类型氨基酸形成填充结构的频率,构建了三对三原子填充结构的可能性矩阵,并研究了使用该矩阵进行填充结构预测的方法.

基于TM和SPOT5影像融合的土地利用分类及精度比较——以朝阳区为例

本文基于TM和SPOT5的影像在ERDAS IMAGINE环境中进行融合,在融合前后分别对TM图像与融合后图像进行土地利用分类,对比分类精度并进行定性和定量的解释和分析。本文给出了实验的详细步骤以及完整的评价报告。研究结果表明,融合后图像分类精度有明显提高。对融合后影像进行土地利用分类,在测绘与地图更新、土地利用与城市规划、生态环境监测和政府规划决策等中,具有广阔的应用前景。

基于模糊校正的深度时序信息安全评估算法

针对现有信息安全评估算法对多专家主观态度偏差的处理不足,并且传统时序机器学习模型无法应对时间段内偏差积累等问题,提出一种基于深度模糊校正的深度时序信息安全评估算法。该算法首先通过三角模糊函数构建专家模糊评估指标,并采用改进的加权DS证据推理校正指标,然后创建损失和可能性矩阵特征,最后使用深度时序网络评估信息安全。在MIT数据集上进行了仿真实验,实验分别分析了特征是否能够应对多专家冲突,以及评估算法的正确率,鲁棒性和时间效率等指标。实验结果表明,本文提出的算法拥有更强的模糊评价能力,对专家间的冲突意见处理能力更强,在时序上的信息安全评估更准确,鲁棒性更高,但是算法效率却得到了保持。

结合Dempster-Shafer证据理论与循环神经网络的网络安全态势预测

针对传统的模糊评价系统存在评价冲突和主观偏差,造成网络安全态势预测出现精度和鲁棒性较低等问题,提出一种结合Dempster-Shafer(D-S)证据理论与循环神经网络的网络安全态势预测算法;首先以专家评价为基础构建网络安全的系统角色,由三角模糊函数获取专家评估指标;然后引入D-S证据理论进行评估指标的筛选、推理和校正,构建网络安全态势损失矩阵和可能性矩阵;最后,以损失矩阵和可能性矩阵为特征输入至循环神经网络中,获取网络安全态势预测结果。仿真实验结果表明,D-S证据理论有效地解决了评价冲突和主观偏差问题,循环神经网络使得网络安全态势预测结果的精度和鲁棒性都得到了提升。