结合信息增益率和K-means聚类的协同训练算法

【目的】针对标准协同训练中视图分割不充分冗余导致两个分类器误差累积加大,且两个分类器对同一个未标记样本分类不一致的问题,提出了结合信息增益率和K-means聚类的协同训练算法。【方法】该算法先根据有标记样本计算出数据中每一个特征的信息增益率,将信息增益率高的特征平均划分到两个视图,再在每次分类过程中应用K-means聚类确定标记不一致样本点的最终类别。【结果】通过在9个UCI数据集上的3组实验表明,与对比算法相比,所提算法中两视图分类器的平均正确率差值降低了2.9%,有效均衡了分类器性能,同时在分类准确率和算法稳定性上也有较大提升。【结论】利用信息增益率将关键特征均衡划分到两个视图,有效解决了视图分割不充分冗余问题;K-means聚类重新分类标记不一致的样本,降低了样本被误分类的概率。     

UPF2介导八肋游仆虫NMD途径SURF和EJC的耦联

通过生物信息学分析发现八肋游仆虫的UPF2(EoUPF2)包含三个串联的MIF4G(middle domain of translation initiation factor 4G)结构域和一个C末端UPF1的结合区域。对24种UPF2氨基酸序列的进化关系分析发现,EoUPF2与酿酒酵母的UPF2(ScUPF2)进化关系较为接近。InterPro database数据库分析结果显示,二者的核心结构域非常相似。酵母双杂交和Pull down实验证实:EoUPF2的C末端与EoUPF1的CH结构域相互作用;EoUPF2在没有UPF3存在的情况下,通过其MIF4G结构与外显子连接复合体(exon-exon junction complex,EJC)核心因子Y14a和Y14b相互作用。β-半乳糖苷酶实验证实EoUPF2与Y14a的作用更强一些。qPCR分析结果排除了EoUPF2与Y14a和Y14b相互作用与Y14a和Y14b本身的拷贝数有关。由此我们推断,在八肋游仆虫的NMD识别无义mRNA过程中,EoUPF2通过与Y14相互作用,介导了UPF1与无义mRNA上的外显子连接复合体的耦联,启动了无义mRNA的识别过程。     

北京百花山植物叶片性状相互关系研究

为了研究植物叶片的功能,选取北京百花山上主要乔木、灌木和草本植物共30种,分别测定其叶片鲜重(Wf)、干重(Wd)、叶干物质含量(LDMC)、面积(A)、比叶面积(SLA)等5项叶片性状因子.结果表明,SLA与LDMC和Wd都呈负相关;A与Wf和Wd分别呈显著正相关.这些关系分别存在于乔、灌、草三种生长型及所有植物中.     

基尼指数结合K均值聚类的协同训练算法

【目的】针对在标准协同训练中不具有充分冗余的视图分割,致使分类器错误累计过多,以及一对基分类器标记样本类别不一致的问题,提出了基尼指数结合K均值聚类的协同训练算法。【方法】该算法首先计算已标记样本中各特征的基尼指数,将该指数升序排列后均等划分到两个视图,然后在基分类器所标记的样本中,运用K均值聚类确定标记不一致样本的类别后加入标记样本。【结果】通过9个UCI数据集在3组实验上的结果表明,所提算法相较于对比算法提升了分类效果。【结论】运用基尼指数均等划分关键特征于两个视图,有利于改善视图分割不充分冗余的缺陷;K均值聚类法对分类不一致样本进行重新标记,降低了协同训练算法中的误标记率。     

结合密度峰值优化模糊聚类的自训练方法

【目的】为了在迭代自训练之前探索数据集分布情况,挑选出所含信息量较大且置信度较高的无标记样本加入训练集训练,让训练出的初始分类器有较高的准确性,提高自训练方法的泛化性。【方法】以聚类假设为基础,先对无标记样本集进行密度峰值聚类,在人工地选出聚类中心后,将新的聚类中心作为模糊聚类的初始聚类中心进行模糊聚类,从而筛选出有用的无标记样本。【结果】通过使用密度峰值优化模糊聚类算法,筛选出所含信息量大且置信度高的样本加入了训练集,训练出泛化性更强、分类精度更高的分类器。【结论】实验结果表明,改进后的自训练方法能快速发现样本集原始空间结构,筛选出有用无标记样本加入训练集,与结合其他聚类算法的自训练方法相比分类精度有所提高。     

型钢混凝土结构施工过程时变效应计算

基于型钢混凝土(SRC)构件实际受力机制,引入主从约束方法推导了型钢混凝土组合构件子结构单元模型,解决了徐变效应下钢和混凝土的协同工作问题.采用有效模量法(AEMM)与有限元法相结合的徐变计算理论,以Visual C++和ObjectARX为工具研发了高层型钢混凝土组合结构施工过程分析软件(SRCCM),并与通用有限元软件进行对比分析,验证了软件的正确性.算例表明:采用主从约束方法的子结构单元模型能够合理地反映型钢混凝土构件实际受力机制,基于该模型所编制的高层型钢混凝土组合结构施工过程分析模拟软件能够在工程实际中应用.     

基于最大等增益圆的矢量调制器增益控制方法

矢量调制器因其自身结构小、功耗低等特点已广泛应用于雷达、导航、仪器仪表及卫星通信等领域。基于矢量调制器的最大等增益圆理论,深入分析了增益圆点、半径与调制器增益输出的关系,设计出一种可全频段扫描、一键自动测试的通用矢量调制器增益控制方案,实现了对矢量调制器增益输出以及其平坦度的精确控制,并可灵活设置矢量调制器的精度和平坦度指标,提高了矢量调制器的性能以及校准效率。验证对象为Hittite Microwave公司的HMC1097LP4E矢量调制芯片,单点验证时间不超过1min,增益控制精度可达0.1dB,平坦度可达0.5dB。     

纳米金-染料传感器阵列对汞(Ⅱ)的模式识别

采用纳米金、染料组合构成传感器阵列,通过可见光谱检测实现了对金属离子混合体系的模式识别。纳米金表面吸附染料在可见光谱区同时具有纳米金和染料的两个特定吸收峰,该光谱与染料结构、pH值有关,同时受金属离子影响。通过选择不同的染料(罗丹明、孔雀绿、亚甲蓝)和pH值(6.6,7.2和7.8),构建出一系列具有特征光谱的纳米金-染料传感器阵列,此传感器阵列对Hg2+-M2+(Pb2+/Cd2+/Mn2+/Zn2+)混合金属离子体系产生相应的可见光谱模式,并通过主成分分析法对该传感器阵列进行了筛选优化。结果表明,采用纳米金-罗丹明/孔雀绿/亚甲蓝在pH 7.8下构成的3个传感器,可实现Hg2+-M2+混合金属离子体系中浓度低至0.2μmol/L(1%)Hg2+的识别。     

基于递推合成BP网络的多变量时间序列预测模型

提供了一种基于递推合成BP网络的非线性时间序列预测方法,并针对具体实例建立多变量时间序列模型.将其预测结果与灰色预测模型及常规BP网络的多变量时间序列预测模型的结果进行比较,其仿真实验结果表明该网络具有很强的学习特性和泛化能力,适合进行非线性时间序列建模及预测.