基于节点关联性的关键蛋白质识别算法研究

为提高蛋白质网络中关键蛋白质识别的效率,提出一种基于节点关联性的关键蛋白质识别方法.方法在保持蛋白质网络拓扑结构完整性的基础上,兼顾了蛋白质网络局部特性,从蛋白质节点关联性的角度,具体衡量蛋白质节点重要性,并采用节点失效法进行关键蛋白质的识别.实验分析证明了方法的有效性.     

最小生成树算法应用于蛋白质复合物识别实验设计

算法基础作为一门实践性很强的计算机专业核心课程,重点培养学生的算法设计与实现能力。该文提出将前沿研究热点融入学生实验项目,设计了最小生成树算法应用于蛋白质复合物识别实验。该项实验有助于调动学生编写程序的积极性,培养学生算法设计能力,使学生了解前沿研究热点,扩展知识面。     

减法聚类和粒子群优化TS模糊神经网络的驾驶疲劳融合检测(英文)

为提高基于单一特征检测算法的准确率和可靠性,提出基于多个特征的驾驶疲劳融合检测算法.从直接反映驾驶员疲劳的2个面部特征和间接反映疲劳的1个车辆行为特征2个方面对驾驶疲劳进行综合检测.该算法运用TS模糊神经网络来识别驾驶疲劳,采用减法聚类对网络进行结构辨识,确定模糊规则的条数及相关参数的初始值,并改进了粒子群优化算法对网络进行训练.仿真和实车实验表明,该算法不仅能有效改善TS模糊神经网络的收敛速度和识别精度,而且能提高驾驶疲劳的检测正确率.     

基于遗传算法的径向基神经网络学习算法

文章对径向基神经元网络（Radial Basis Function Neural Networks,以下简称为RBFNN）结构进行了分析,提出了应用遗传算法训练径向基网络的算法,并将该算法训练的网络用于10个数字的识别,相对于最近邻聚类学习算法和BP网络来说,识别效果和精度均有提高。     

基于改进的BP网络的CD4细胞图像识别

采用改进的BP网络分类器对CD4细胞图像进行识别.首先对图像进行了预处理,分析了图像的特征,然后通过增L减R法选择,介绍了BP网络分类器和LM算法的原理,构建了基于LM算法的BP网络分类器,较好地实现了CD4细胞的识别.     

基于高阶累积量配准的网络异常流量识别算法

在大规模集成互联网络中,需要对网络流量进行异常检测和识别,以保障网络安全。利用高阶累积量对干扰的统计独立性,提出一种基于高阶累积量配准的网络异常流量识别算法。首先进行了网络异常流量的统计信号模型构建,分析了高阶累积量检测方法原理,然后采用自适应陷波器级联方法进行流量的干扰抑制和降噪分离,结合高阶累积量配准方法实现异常流量识别算法的改进。仿真实验表明,采用该算法进行网络流量异常识别,具有较好的幅频响应性能,提高了准确识别概率,检测性能优于传统算法。     

部分卷积耦合双通道网络的低分辨率人脸识别

在实际应用场景中所采集的人脸图像通常分辨率都很低,导致许多经典的人脸识别算法无法对低分辨率人脸进行准确识别.针对该问题,本文提出了一种部分卷积耦合的双通道网络,该网络中将高分辨率(High Resolution, HR)通道和低分辨率(Low Resolution, LR)通道中的卷积核进行部分耦合,使得LR通道能够从耦合的卷积核中学习到HR通道中的高分辨率参数,从而达到提高LR通道对LR样本的特征提取能力.为进一步提高样本分类的准确率,在双通道网络末端引入一个空间金字塔池化层(Spatial Pyramid Pooling, SPP),使用SPP层能够将HR样本与LR样本投影到一个共同的特征空间中.最后使用LFW人脸库对算法的有效性进行测试,实验结果表明,本文所提算法能够对LR人脸图像进行准确识别.     

基于CNN的多尺度特征在手写数字识别中的应用

在手写数字识别数据集(MNIST)情景下,为了提高卷积神经网络的识别正确率,提出了一种改进的基于卷积神经网络(CNN)的多尺度特征识别算法.首先,利用卷积操作和池化操作提取图像中的全局特征及局部特征,通过二次卷积与特征融合获得数字图像的多尺度特征.然后,将多尺度特征送入全连接网络和Soft Max分类器,实现手写数字图像识别.最后,通过对不同网络结构的CNN算法进行评估表明,本文提出的算法可以有效提高网络精度,具有较好的泛化能力.     

基于信息度量和多维数据挖掘算法的网络异常检测系统

针对校园网管理工作的实际情况,提出了基于信息度量和多维数据挖掘算法的网络异常检测系统。该系统使用信息度量技术识别网络中发生的异常事件,并在此基础上采用多维数据挖掘算法对异常事件进行细粒度分析,从而实现对网络异常事件高效、准确的检测。     

基于深度学习的毫米波雷达手势识别实验教学设计

为了实现基于雷达传感器的人机交互,设计了一个基于深度学习的毫米波雷达手势识别实验。首先,该实验基于77 GHz的FMCW雷达,采集人体手部动作回波数据,并对回波数据进行帧差预处理,再利用多维FFT算法构建距离-速度-角度联合的多维特征融合数据谱图。然后,调用MATLAB中的深度学习工具箱,基于典型的VGG16网络,搭建了适用于多维特征数据提取和动作识别的3D-VGG16-NET网络。实验结果显示,该网络算法对手势的平均识别准确率达到99.38%。     

基于标签传播的半监督社区发现算法研究

近年来,许多关于社区发现的优秀算法被提出并取得了较好的社区划分效果。但是到目前为止,没有任何一种算法能够同时在时间复杂度和准确度方面取得较好的表现。现实网络中往往存在一些有利于指导社区发现的标签信息,如must-link信息、cannot-link信息等。因此提出基于少量标签信息传播、拓扑结构的半监督社区发现算法S_LPA,分别在karate网络、dolphins网络、LFR基准网络上进行测试。实验结果表明,该算法S_LPA时间复杂度为O（m）,相对其它算法,S_LPA在karate网络和dolphins网络的NMI值高于CNM、InfoMap、LPA算法,在LRF网络上准确度高出约20%;提高参数u后,S_LPA算法可识别其它算法不能识别的社区结构。     

大数据环境下不良网络内容识别技术研究

在大数据环境下对网络上的不良内容进行识别是实现网络侦查和信息监管的重要手段。当前主要采用人工识别方法,效率低下,可靠性差。提出一种基于奇异特征提取和聚类的大数据环境下不良网络内容识别技术,构建大数据环境下网络不良内容的存储和数据传输模型,对不良内容进行信号模型构建,采用奇异特征提取方法对内容进行特征提取,以此为数据基础进行数据聚类分析,以实现对不良内容的准确识别。仿真实验表明,采用该算法对不良网络内容进行识别准确率较高,可有效实现网络信息的监管和跟踪。     

基于人工免疫和神经网络混成算法的入侵检测系统研究

提出了一种人工免疫和神经网络结合用于网络入侵检测的新颖算法,该算法具有识别多样性、自我调节功能等特点。将该算法以网络的输入数据作为抗原,用于神经网络隐层中心点数量和位置的调整,输出采用最小二乘法。仿真结果表明,该混合算法具有较强的泛化能力,而且精度高,效果好。     

一种改进的聚类和孤立点检测算法

对基于距离的聚类及基于密度的孤立点检测方法进行了分析研究,提出了一种基于距离和密度的聚类和孤立点检测算法DDBCOD.该算法根据距离和密度阈值对数据进行聚类,并发现数据中的孤立点.实验表明,该算法能够识别任意形状的聚类,对高维数据有效,能够很好的识别出孤立点.     

基于增量聚类的协流识别系统研究

云计算中的群集计算应用程序(例如Map Reduce和面向用户的应用程序)具有应用程序级别的需求,因此需要有高级别的抽象来表示这些应用程序的需求.协流(coflow)是一个网络级别的抽象,用来表达数据并行编程范例的通信要求.协流使应用程序更容易地将其通信语义传达给网络,从而使网络能够优化常见的通信模式.然而,现有的协流识别方案依赖于修改应用程序,并不适用于多数实际场景.提出了基于增量聚类的协流识别策略,采用增量聚类算法来执行快速、透明的协流识别,实现了协流识别的自动化,同时无需对应用进行修改.仿真实验结果显示,本文的识别算法具有超过90%的准确率,具有一定的鲁棒性.     

一种冠心病心电信号的识别方法

将径向基函数网络(RBFN)用于冠心病心电信号的识别.首先给出了RBF网络的结构,然后讨论了网络的训练方法.并构造了RBFN对冠心病心电信号和正常信号进行了识别.临床和仿真结果表明了该方法的有效性.     

基于改进堆叠独立子空间分析模型的行为识别

视觉特征提取与特征表达方法在图像分类及识别中十分重要,从特征学习和特征表达角度出发,提出一种基于改进堆叠独立子空间分析模型提取特征的行为识别算法。首先采用两层独立子空间神经网络构建堆叠网络,在特征学习过程中融入正则化约束项,并结合时空卷积算法,获取视频时空层次化不变性特征基元;然后以堆叠卷积网络两层特征基元的非线性映射获取一种规则网格划分下的视频块状局部特征描述符;最后结合时空金字塔匹配模型构建时空层次特征,采用一对多支持向量机分类方法对视频中的动作进行分类。在KTH视频数据库中进行实验。结果表明,该算法学习到的特征基元可对视频构建低维高效的特征描述符,与现有多种行为识别算法进行对比,改进行为识别算法有效性进一步提高。     

基于敏感部位图像特征的提取方法研究

随着互联网高速发展,一些敏感图像信息也在网络上广泛传播,如何对这些敏感图像进行有效自动识别,净化网络环境已成为计算机领域的重点研究课题.通过对常用图像分割算法k-means算法、k-means++算法探讨,提出敏感图像敏感部位的特殊构造形态,构建彩色变柱宽多分辨率直方图矩特征,有效的表示了敏感部位的颜色和纹理信息.采用敏感部位特征视觉词汇和聚类算法计算的视觉词汇形成混合视觉词汇表,并使用词袋模型建模,在图像识别阶段使用基于RBF核的SVM分类器.实验结果显示该方法有效地提高了敏感图像的识别效果.     

基于生成对抗网络的步态特征提取与识别

提出了一种基于生成对抗网络的步态特征提取与识别算法.以CASIA-B数据集的步态图像为研究对象, 对不同视角、不同衣着或手持物的 GEI 特征进行分析.在54°, 90°, 126° 3种典型角度下对网络模型的性能进行分析, 发现模型的识别性能随着视角跨度增大而逐渐降低, 当视角为90°时网络模型达到最高的识别准确率....     

改进的AC_BM算法在数据包识别中的应用

对多种类型的网络数据包进行识别,要用到多字符串匹配算法。把AC_BM算法应用到数据包识别中,并对算法加以改进．使其比原算法占用更少的内存资源。