基于初始划分的标签传播社区发现算法

采用标签传播算法进行社区发现时间效率高,无需人工参数,但容易产生精度限制的问题.研究了启发式的标签传播算法,快速地进行社区的初始划分,大量减少了初始标签的个数,进行标签迭代传播来修正初始划分得到最终的社区.理论分析和实验证明这种方法在不增加时间复杂度的情况下,提高了准确率,并有效消除了精度限制的现象.     

质心法:受类别驱动的RNA二级结构预测方法

RNA二级结构预测问题是计算分子生物学中的一个重要问题.目前的RNA二级结构预测模型和算法都是把待测结构RNA的一级序列作为输入,仅根据输入的序列预测其二级结构.这样做丢失了待测RNA的类别信息,进而无法利用同类别RNA二级结构的保守性.在实际的生物学研究中,对于关心二级结构的RNA,其类别往往是已知的.本文提出一种新的RNA二级结构预测思路:结合类别信息、根据已知的近似形状细化RNA的二级结构.这种方法尤其适用于长度较短、保守性好的非编码RNA.该方法的一个关键问题是如何将一个序列按照近似的形状进行折叠.为此本文首次提出了茎区的"质心"和"质心距"的概念,并且给出了一个结合了Hopfield网络和类别信息的RNA二级结构预测算法.实验表明本文提出的方法在所测试ncRNA分子上效果好于目前的方法.     

旋转弹仓的自适应模糊滑模控制

针对存在啮合冲击、非线性摩擦以及参数大范围变化的旋转弹仓的位置控制问题,提出了一种自适应模糊滑模控制算法.该算法由2个模糊系统组成,分别用于逼近未知的理想控制律和补偿逼近误差,不需要知道系统的数学模型,具有较好的鲁棒性.在模糊逼近系统中,引入自适应算法在线调整模糊系统参数,改善了控制性能,提高了鲁棒性;在模糊补偿系统中,根据滑模变量调整控制作用,保证了滑模条件,削弱了抖振.空载、半载和满载3种情况下的实验结果表明,所提出的自适应模糊滑模控制算法对旋转弹仓的参数变化、啮合冲击以及非线性摩擦等不敏感,具有较高的控制精度.     

基于粒子群算法与图形处理器加速的支持向量机参数优化方法

支持向量机(support vector machine,SVM)的参数选择对其性能有着重要的影响,使用穷举法优化参数需要大量的计算时间.为快速寻找最优参数组合,利用粒子群算法(particle swarm optimization,PSO)收敛速度快、简单易行等特点,将SVM参数作为粒子的解决方案.并利用图形处理器(graphics processing unit,GPU)并行化处理能力计算每个参数的分类准确率,从而提升了在一定的搜索空间内寻找最佳参数组合的计算速度.对UCI数据进行实验,对比结果显示,该方法能快速有效地获取优化结果.     

链传动机械伺服系统的自适应模糊滑模控制

针对存在啮合冲击、参数摄动以及非线性摩擦的链传动机械伺服系统的位置跟踪控制问题,提出了一种自适应模糊滑模控制方法. 与常规自适应滑模控制不同的是,本文采用自适应策略估计系统时变参数,有效减小了模型不确定性的影响,然后采用模糊逻辑消除了常规滑模控制中的不连续控制项,削弱了抖振;用期望速度代替实际速度补偿非线性摩擦,减小了测量噪声的影响,改善了系统的控制性能. 实验结果表明本文提出的算法对系统参数变化以及外部扰动不敏感,具有较高的控制精度.