分享到:

Poisson方程的一个降维算法

Lions 建立在变分形式中的渐近展开方法,用于解决 Stiff 问题是很有力的工具.Ciarlet 利用[1]的方法,研究弹性薄板问题,对薄板不做任何假设,仅用严格的数  (本文共10页) 阅读全文>>

云南大学
云南大学

蛋白质亚细胞定位中的特征表达与降维算法研究

随着后基因组时代的进入,作为蛋白质组学的一项分支,蛋白质亚细胞定位研究的热度与日俱增。蛋白质亚细胞定位研究中,基于蛋白质氨基酸序列的特征表达在定位预测阶段扮演着重要角色;很大程度上,它决定了亚细胞定位结果的好坏。提取蛋白质特征表达以后,通常会面临“小样本,高维数”的问题;因此,为了降低计算开销、减少数据噪声及增强小样本数据集的鲁棒性,使用降维算法处理高维特征表达是必要的。基于此,本文对蛋白质亚细胞定位中的特征表达与降维算法进行了深入研究与分析。本文的主要工作及创新之处概括如下:1.蛋白质有4种基本的、分类性能依次递增的单特征表达:氨基酸组成(AAC)、二肽组成(DipC)、伪氨基酸组成(PseAAC)和位置特异性得分矩阵(PSSM)。为了提高蛋白质亚细胞定位预测准确率,构造信息量丰富的特征表达是有效的方法之一。为此,本文新提出了一种先加权后相加的特征融合模型,通过融合多种单特征表达以形成新型复合特征。实验结果表明该复合特征表达所...  (本文共90页) 本文目录 | 阅读全文>>

广东工业大学
广东工业大学

基于支配结构保持的超多目标降维算法研究

随着经济的快速发展,许多企业对高质量、低成本、高安全性等多重矛盾的需求越来越高,从而需要考虑的目标(因素)越来越多.因此,研究四个以上冲突目标同时达到最优的优化问题即超多目标优化问题(many-objective optimization problems)十分重要.在一些实际应用中许多优化问题都含有冗余目标,目标降维方法通过分析目标间的关系,去除冗余目标,从而找到最少必要目标子集.目前,目标降维方法是解决超多目标优化问题的有效途径.本文提出了一种新的目标降维方法.首先提出了一种有效的目标冲突程度的度量准则,通过非支配解对所占比例,即σ指标衡量两个目标的冲突程度.基于支配程度矩阵的方法可以快速的计算σ指标.本文提出的冲突性度量准则考虑到了潜在的支配结构保持,能对目标之间的冲突程度给出一个有效的度量.在该准则的基础之上,本文应用特征选择技术提出了一种快速目标降维算法,该算法算法具有较低的计算复杂度.在DTLZ(I,M)的9个测试实...  (本文共43页) 本文目录 | 阅读全文>>

上海交通大学
上海交通大学

基于字典学习的非线性降维算法研究

目前,众多的数据降维方法(如经典的PCA,LDA)能够使降维后的数据保留原始信号的重要特征,但是从降维后的数据中很好地恢复出原始信号仍旧是一个挑战。近年来,稀疏表示在信号重构研究中受到广泛关注,信号可以利用过完备字典中少数原子的线性组合来描述。结合稀疏编码和字典学习理论,设计出新的降维算法,是本文研究的主要目的。本文主要工作如下:1)深入研究稀疏编码和字典学习的理论知识,结合数据降维算法的本质,挖掘它们之间的关系,找出二者的结合点。2)通过理论推导,提出一种基于几何关系的字典对学习(GCDL)算法。分析压缩感知算法和降维算法的侧重点,在字典学习中结合两者的优势,从高维输入信号到低维特征的降维过程中,保留一些重要的几何特征(内积、距离和夹角),同时又能够从低维数据中恢复出原始信号。实验表明:GCDL可在Restricted Isometry Property条件的限制之外具有一定的信号重建能力,能在更低的维度条件下恢复图像,优于传...  (本文共81页) 本文目录 | 阅读全文>>

云南大学
云南大学

基于局部特征表达和全局统计降维算法的蛋白质亚细胞定位研究

蛋白质在亚细胞中的位置与其功能有着密切的关系,这使蛋白质亚细胞定位成为生物学中的一个研究热点。随着海量生物数据的发现,传统生物实验不能满足要求,计算机的高效率帮助生物学家省时、省力,使其成为蛋白质亚细胞位置预测的重要工具。本文主要工作是提出两种局部特征表达和利用全局统计降维算法分析蛋白质数据的影响,主要包括以下三个方面。一、提出一种局部特征表达PSSM-SAA,然后与全局统计降维算法LDA相结合平衡提取的信息。PSSM-SAA基于PSSM分段分布得来,该方法首先在PSSM矩阵中利用分段思想将蛋白质序列分割成长度不等的子序列,然后提取各个子段中氨基酸的分布密度,最后PSSM-SAA使每一条蛋白质序列都可以被表示成一个1600维的特征向量。PSSM-SAA包含了蛋白质局部进化过程中各个氨基酸分布的差异性。为了减少数据冗余,使用了保留全局信息的线性判别分析(linear discriminant analysis,LDA)对 PSSM...  (本文共50页) 本文目录 | 阅读全文>>

西北农林科技大学
西北农林科技大学

基于密度缩放因子的ISOMAP降维算法及其应用

数据降维技术是缓解维数灾难问题的关键技术,具有重要的研究意义。近年来,流形学习作为一种新型的非线性数据降维方法,其主要目标是获得高维数据的低维紧凑表示,以寻找数据的本质信息,是目前降维技术研究的热点。等距映射(ISOMAP)降维算法是流形学习算法的代表之一,其因具有能保持非线性数据降维后空间全局结构完整的良好特性而受到了广泛关注。本文在ISOMAP算法的基础上,针对ISOMAP算法在测地距离计算过程中对噪声敏感和不适用于多流形数据这两个问题,利用数据的密度信息进行展开研究。基于密度思想,提出了处理噪声问题的基于密度缩放因子的ISOMAP(D-ISOMAP)算法和处理多流形数据的有监督的ISOMAP(DMM-ISOMAP)算法。大量实验结果展示了提出算法的有效性和在实际应用中的良好性能。本文主要工作总结如下:(1)经典降维算法分析与比较。将降维算法分为线性降维和非线性降维这两类进行介绍,从算法的思想、算法流程和算法分析三个方面对介...  (本文共63页) 本文目录 | 阅读全文>>