An improved ensemble learning machine for biological activity prediction of tyrosine kinase inhibitors

Boosting is one of the most important strategies in ensemble learning because of its ability to improve the stability and performance of weak learners. It is nonparametric, multivariate, fast and interpretable but is not robust against outliers. To enhance its prediction accuracy as well as immunize it against outliers, a modified version of a boosting algorithm (AdaBoost R2) was developed and called AdaBoost R3. In the sampling step, extremum samples were added to the boosting set. In the robustness step, a modified Huber loss function was applied to overcome the outlier problem. In the output step, a deterministic threshold was used to guarantee that bad predictions do not participate in the final output. The performance of the modified algorithm was investigated with two anticancer data sets of tyrosine kinase inhibitors, and the mechanism of inhibition was studied using the relative weighted variable importance procedure. Investigating the effect of base learner's strength reveals that boosting is only successful using the classification and regression tree method (a weak to moderate learner) and does not have a significant effect using the radial basis functions partial least square method (a strong base learners). Copyright © 2015 John Wiley & Sons, Ltd.     

基于ANMF和非线性映射距离扩展目标检测

针对距离扩展目标的检测问题,提出一种自适应归一化匹配滤波（ANMF）、非线性映射和高阶互相关积累（HOCC）相结合的目标检测方法。首先将距离像按慢时间进行脉冲维划分,得到若干脉冲子区间,再对每个脉冲子区间进行自适应归一化匹配滤波,然后利用非线性函数对滤波的输出进行非线性映射处理,最后将非线性映射的输出进行高阶互相关积累,从而获得检测统计量。仿真实验结果表明,在检测概率为80％时,所述方法比传统 ANMF 方法所需的信杂比低1 dB 左右,性能较为优越。     

一种面向智慧协同网络的自适配路由策略研究

现有互联网网络体系和机制相对"静态"和"僵化",缺乏支持智慧网络的有效机制.要从根本上解决现有互联网存在的严重弊端,必须创建新的网络理论体系.本文在智慧协同网络"三层"、"两域"体系结构下,针对"网络组件层"的路由自适配问题展开研究,提出基于生物启发的转发网络族群自适配路由策略,实现族群内路由组件之间的智慧协调、动态重构和优化决策,有效解决现有路由策略的静态、僵化等问题.通过数学分析证明:如果设定模型参数μ∈(0,1),提出的自适配路由策略可以始终保持稳定性.最后,通过原型系统验证了提出自适配路由策略是切实可行的,能够提高网络的承载业务数量和提升用户体验.     

基于二阶广义全变差的多帧图像超分辨率重建

图像超分辨率重建是图像处理领域的重要问题.本文将二阶广义全变差用于基于正则化的多帧图像超分辨率重建问题,构建了基于二阶广义全变差正则项的图像超分辨率模型.为了更好地保持重建图像的边缘和细节,采用图像空域自适应正则化参数,并针对该重建模型的非光滑性,给出了基于半二次正则化和交替方向法的求解算法.实验结果表明该模型和数值算法能够较好地提高图像的分辨率,同时可以较好地保持图像的细节信息.     

基于无噪后验错误矢量信号能量的变正则因子仿射投影算法

变正则因子技术是提高仿射投影自适应算法性能的重要方法之一.由于环境噪声的影响,现有的变正则因子自适应算法收敛速度较慢且稳态误差较大,各种测量、评估误差的存在进一步恶化了算法性能.为提高自适应算法的跟踪性能,本文在分析无噪先验错误矢量、无噪后验错误矢量和额外均方错误间关系的基础上,提出通过最小化无噪后验错误矢量信号能量来推导自适应变正则因子表达式的方法.在实践应用中,该方法利用了测量噪声的统计方差特性,并提出一种更加光滑且更加容易控制的指数缩放因子评估方法.系统辨识的仿真结果表明本文方法与传统的变正则因子方法以及变步长方法相比有更快的收敛速度与更低的稳态误差.     

基于自适应迭代的强弱信号波达方向估计

针对强弱信号难以同时检测与估计的问题,本文提出一种基于自适应迭代的强弱信号波达方向估计方法.首先将空间角度离散化,根据信号相消的性质构造空间谱函数,然后通过自适应迭代抑制强信号的能量,最后计算不同角度对应的空间谱函数,利用其谱峰估计信号的波达方向.理论分析和仿真实验表明,本文方法无需信号源的先验信息,在低信噪比和少量快拍数的条件下,可以实现强弱信号DOA的高分辨估计,有效提高弱信号的检测概率和估计精度.     

自适应三维分数阶微分增强算法

针对三维数字图像在重构预处理阶段分辨率不高、模糊等影响重构精度的问题,提出了基于自适应三维分数阶微分的增强算法。在将二维分数阶微分推广应用至三维的基础上,尝试性地基于图像自身梯度信息和相邻体素间梯度变化构造了自适应三维分数阶微分阶数,并给出了三维离散滤波模板。利用三维切片图像自身梯度信息解决了不同属性图像及不同图像区域最优的分数阶微分阶数不同的问题,提高了实时处理效率。将自适应增强算法应用至三维边缘曲面追踪算法,可以重构出精度更高的三维数字图像。     

射频板条CO2激光器整形光路自适应调节研究

为了解决射频板条CO2激光器因安装或腔镜热畸变造成的光路偏移问题,采用外光路偏移补偿的方法对其进行校正。研究了基于压电陶瓷的偏移补偿装置,设计了压电陶瓷驱动电路,并分析了控制精度和自适应控制方法。结果表明,通过偏移补偿装置,激光输出功率在任何占空比下均可达到或超过标准参考功率值,并通过对比有无自适应调节,激光输出功率最大相差100W,且可保持激光输出功率在2h运行中波动小于2%。此项研究可保证激光器高效运行,提高激光器的输出功率和模式的稳定性,具有较大的实用价值。     

改进自适应加权的局部立体匹配算法

针对Yoon经典自适应加权法在深度不连续处误匹配率较高、边缘细节不突出以及匹配窗口大小凭经验设计不通用等缺陷,提出了一种改进自适应加权的局部立体匹配算法.在经典自适应加权局部立体匹配算法的基础上用高斯分布权值替换了几何空间权值,增加了边缘权值突出深度不连续处的边缘细节,采用赢家通吃原则(Winner Take All,WTA)获取单像素点视差,在目标视图中逐点求取视差,最终获得稠密视差图.实验结果表明,该算法相比于经典自适应加权法,在非遮挡区域错误匹配百分比上下降6％,在深度不连续处的误匹配率降低了5％,边缘细节毛刺明显减少.     

基于图像局部结构的区域匹配变分光流算法

针对变分光流算法的计算精度与鲁棒性问题,提出一种基于图像局部结构的区域匹配变分光流算法.光流估计能量泛函的数据项采用图像结构守恒与灰度守恒相结合,并引入规则化非平方惩罚函数,保证了光流估计的精度与鲁棒性;平滑项采用随图像局部结构自适应变化的扩散策略结合区域匹配约束函数能够有效地保护运动物体或场景的边缘轮廓信息;在光流计算过程中引入金字塔分层细化策略克服图像序列中大位移运动引起的像素点漂移现象,并采用数学方法证明光流估计模型的鲁棒性和收敛性.多组实验表明,本文方法在图像中存在剧烈光照变化、非刚性物体复杂运动以及多目标大位移运动等情况下具有较高的计算精度、较好的鲁棒性.