一个基于Blast程序的多重序列对齐程序——Mblast

核酸序列和蛋白质序列的相似性分析日益成为生物信息学研究的核心内容 .NCBI的Blast程序是进行此类分析的最有力工具 .虽然它提供了初步的将多条序列进行综合对齐的分析方案 ,但是实际效果却很不理想 .在对Blast程序的输出结果进行仔细分析的基础上 ,基于“求同存异”的思想 ,我们编制了一个多重序列对齐程序Mblast.该程序与目前流行的序列多重对齐程序相比 ,更容易检出序列的同源区 .

基于序列对齐的客户购买行为相似比较方法

序列对齐方法(SAM)是一种比较字符串序列间差异程度的方法。在SAM的基础上,提出了客户购买行为的相似比较标准,并给出了快速计算客户购买行为相似度的算法,从新的角度解决了客户的相似性比较问题。该方法可以发现客户购买产品和购买金额的差异,对基于客户购买行为的市场细分具有实际应用价值。

过程挖掘中增强活动依赖的最优对齐算法

一致性检验是过程挖掘领域中检验日志与模型之间偏差的有效方法,对齐是众多先进方法之一。现阶段最优对齐的成本计算大多只与对齐中移动个数保持相关,缺乏对单一活动成本的考虑。因此,提出一种增强活动依赖的最优对齐加权计算方法。基于动态规划求解日志与模型之间的序列对齐;统计合法移动信息,差异化活动及移动类别的成本进行依赖增强;依据对齐成本加权计算方法计算最优对齐并以Java应用的形式对以上方法进行实现。实验利用一个常规化模型及其部分日志对方法的可行性及有效性进行了验证。

基于序列极值点分段的空中签名身份认证

空中签名序列长,为了解决传统的全局匹配方法造成的匹配慢、签名的局部信息丢失的问题,提出了对签名数据进行极值点分段再进行距离度量的方法。并针对传统DTW算法在极值点匹配中产生的不同极性极值点错匹配问题,提出了一种基于极值点匹配的改进DTW算法,约束DTW算法的匹配路径规则,避免错误匹配情况。在本地数据库上,系统的误拒率(FRR)和误纳率(FAR)分别达到了4. 15%和3. 82%。实验结果表明,与传统的全局匹配算法相比,先分段再进行相似度度量的方法使系统的认证精度和效率得到了提高。

基于购买行为的客户分类方法研究

在序列对齐方法的基础上,提出了客户购买行为的相似比较标准。在比较过程中,考虑了客户购买产品的类别和相应产品的购买金额,给出了快速计算客户购买行为相似度的算法。在此基础上,对客户聚类应用模拟退火遗传算法改善聚类的质量,使每一类客户具有更相似的购买行为。实例分析结果表明,所提出的方法能够有效地根据购买行为对客户加以分类。

基于加速度传感器的中文签名身份认证

采集用户在签名过程中的三轴加速度信息,可用来实现身份认证。中文签名结构较为复杂,在空中书写的过程难以被模仿,但同时也会使同一用户不同次签名间的差异增大,提高认证难度。传统的二维签名或三维手势认证方法并不能解决这一问题。为了提高中文空中签名身份认证效果,改进了全局序列对齐(GSA)算法,对匹配后的序列进行插值操作。不同于传统GSA算法通过最终匹配分数反映序列间相似度,引入两种距离指标(欧氏距离和绝对值距离)计算序列间的差异。实验结果表明,基于距离指标的两种GSA算法均能提高认证精度,与传统算法相比,二者的系统等误率(EER)分别降低了37.6%和52.6%。

一种检测具有反分析能力的恶意软件的方法

提出一种自动检测具有反分析能力的恶意软件的方法。在四种不同的分析环境中,采用两种不同类型的监控技术记录恶意程序执行的系统调用序列和指令序列。首先比较系统调用序列,如果发现不同,进一步比较指令序列,判断不同的原因是否由反分析导致。实验结果表明,该方法能检测出不同类型的逃避分析技术。

虚拟空间中在线同源用户行为相似性研究

虚拟空间中在线同源用户具有相似行为特征,但现有相似性度量算法难以对其进行有效识别。提出一种基于序列对齐的在线同源用户识别算法,根据在线用户行为日志提取点击流数据,采用序列对齐方法计算在线用户的行为相似度,将其用行为相似度矩阵表示并对用户进行层次聚类,以识别虚拟空间中的在线同源用户,同时分析不同维度的用户特征属性对用户行为相似性的影响程度。实验结果表明,该算法能准确识别出在线同源用户,用户行为相似性受性别、户籍和教育程度3种特征属性影响较大,受年龄、社会阶层和收入水平的影响较小。

基于时延Petri网的网络日志行为相似性分析

在序列对齐(Sequence Alignment)方法的基础上,通过时延Petri网来分析Cookies网络日志,提出网络用户行为的相似性比较标准,给出快速计算网络用户行为相似度的算法,从Petri网的结构特征和时间特征上计算不同用户的相似性.所提出的方法为网络用户行为的细分提供了一种新的思路和方法.