利用矩阵分解提取生物医学文献中潜在相关基因

利用Bicomb从50个基因文档中提取主题词建立词-基因矩阵,用对数权重法对词-基因矩阵进行处理,采用非负矩阵分解和奇异值分解法对词-基因矩阵降维,通过计算余弦相似度推断基因关系.结果表明,利用矩阵分解可以从生物医学文献中提取潜在相关基因.     

基于SVD与函数拟合的图像优化方法

本文提出了一种将图像矩阵的奇异值分解(简称SVD分解)与函数拟合相结合的图像压缩优化新方法.具体思路是根据图象矩阵奇异值分布的特点,只须用小部分奇异值,去拟合还原原奇异值,从而达到图象压缩优化的目的.试验结果表明,该方法大大的提高了图象的压缩率,能在保证图像质量前提下将数据所占空间减少至原图像的40～60%.     

矩阵奇异值分解(SVD)的应用

奇异值是矩阵的一个良好特征。本文通过对矩阵奇异值分解的分析,在主成分分析、图像压缩、数字水 印和文章分类等方面的应用方法进行了描述,同时提供了部分应用例子。     

基于奇异值分解的模糊模型结构分析和精简

研究用矩阵奇异值分解方法分析一类模糊模型的结构、奇异值分布与模糊规则的关系,用模糊规则的累积贡献率指导规则的精简,以求模型的拟合精度和结构简单之间的平衡,从理论分析和仿真研究表明方法的可行性和实用性。     

音乐个性化推荐算法RR-UBPMF的研究

大规模隐式反馈数据的使用是推荐系统中的研究热点和难点问题。针对隐式反馈数据高噪声和缺少负反馈的特点,以音乐推荐为背景,在研究概率矩阵分解模型（PMF）的基础上提出了一种直接优化排名倒数（RR）的概率矩阵分解模型（RR-PMF）。通过与User-based KNN算法相结合提出了RR-UBPMF算法,并利用交叉最小二乘法（ALS）进行优化学习。在last.fm数据集上的实验结果表明,该算法在准确率（Precision）、尤其是在标准化折算累加值（NDCG）等评价指标上表现出极大的优势,能够明显提高预测准确性,并且具有良好的可拓展性。     

四元数矩阵M-P逆变换的Jacobi行列式

应用奇异四元数矩阵的奇异值分解,给出了奇异四元数矩阵的外微分式,并由此得出了M-P广义逆变换的Jacobi行列式.本文所得到的结果在求奇异四元数矩阵正态分布及Wishart分布的密度函数表达式中发挥重要作用.     

基于序列低秩嵌入算法的故障检测

复杂化工过程采集到的数据往往夹杂着过程噪声，如何去除冗余数据、充分提取数据的有效信息是研究重点。提出了一种融合序列相关与低秩表征（LRR）的信息提取算法——序列低秩嵌入（SLRE）。通过LRR对训练样本进行低秩分解，剔除噪声点，去除数据中的冗余信息，增强了算法的鲁棒性。为了保持数据的全局-局部特征，通过计算样本间相关系数构造加权矩阵，并利用嵌入算法实现数据降维。建立T²和SPE统计量，使用核密度估计（KDE）方法估计控制限。通过数值仿真实例和田纳西-伊斯曼（TE）过程验证了本文方法的有效性。     

基于非负矩阵分解的流程工业过程监控方法

提出了一种新的基于非负矩阵分解（NMF）的过程监控方法。考虑到数据的某些局部特征能够包含许多重要信息,有助于对异常情况进行检测,将NMF引入工业过程监控领域,并详述了基于NMF的过程监控方法。基于TE过程的仿真实验验证了该方法的有效性。     

基于高阶奇异值分解和Rician噪声校正模型的扩散加权图像去噪算法

目的 研究一种新颖的基于高阶奇异值分解（HOSVD）的扩散加权图像去噪算法,用以提高扩散加权（DW）图像的信噪比以及后续量化参数的准确性。方法 我们提出一种基于HOSVD稀疏约束和Rician噪声校正模型的去噪方法,将Rician噪声信号期望融合到传统的HOSVD去噪框架中,从而能够直接对带有Rician噪声的DW图像进行去噪。此外,考虑到对相似块组成的高维数组进行HOSVD去噪处理,容易引入条形伪影,因此本文直接对每个局部DW图像块进行HOSVD去噪,从而解决了条形伪影问题。为了验证所提方法的有效性,我们将本方法与低秩+边缘约束（LR+Edge）、基于全局指导下的局部高阶奇异值分解（GL-HOSVD）、基于块匹配的三维滤波（BM3D）和非局部均值（NLM）4种去噪算法进行了实验对比。结果 实验结果表明,所提方法能够有效降低DW图像噪声,同时较好的保留图像细节以及边缘结构信息。无论是从DW图像的峰值信噪比（PSNR）和结构相似性（SSIM）以及各向异性分数均方根误差定量指标,还是从去噪图像和各向异性分数图的视觉效果来看,本算法都要明显优于LR+Edge,BM3D和NLM。此外,GL-HOSVD虽然可以得到较好的去噪结果,但是在高噪声水平下,会引入条形伪影,而本文方法不但可以得到较好的去噪结果,并且不存在伪影问题。结论 本文提出了一种新颖的HOSVD去噪方法,可以直接处理带有Rician噪声的DW图像,并且解决了同类算法中伪影问题,去噪效果明显,能够为临床提供更准确的量化参数结果,更好服务于临床影像诊断。     

奇异值分解最小二乘法解析平衡态光谱数据

目的：以化学计量为基础,建立一种用于解析平衡态红外光谱数据的奇发解最小二乘法。方法：以数值模拟方法构造二组分酸碱平衡体系及其光普数据,在ＭＡＴＡＢ环境下实现奇异值分解最小二乘法并对数据进行分析。结果：该方法既可以获得引起红外光谱变化的组分数及其光谱,又能给出各组分数随时间的变化,与酸碱平衡原理相结合,获得的质的酸碱平衡常数为ｐＫａ＝６．１５,结论：奇异值分解最小二乘法是处理平衡态红外光谱的有效工具。     

Recommending MeSH terms for annotating biomedical articles

Background

Due to the high cost of manual curation of key aspects from the scientific literature, automated methods for assisting this process are greatly desired. Here, we report a novel approach to facilitate MeSH indexing, a challenging task of assigning MeSH terms to MEDLINE citations for their archiving and retrieval.

Methods

Unlike previous methods for automatic MeSH term assignment, we reformulate the indexing task as a ranking problem such that relevant MeSH headings are ranked higher than those irrelevant ones. Specifically, for each document we retrieve 20 neighbor documents, obtain a list of MeSH main headings from neighbors, and rank the MeSH main headings using ListNet–a learning-to-rank algorithm. We trained our algorithm on 200 documents and tested on a previously used benchmark set of 200 documents and a larger dataset of 1000 documents.

Results

Tested on the benchmark dataset, our method achieved a precision of 0.390, recall of 0.712, and mean average precision (MAP) of 0.626. In comparison to the state of the art, we observe statistically significant improvements as large as 39% in MAP (p-value <0.001). Similar significant improvements were also obtained on the larger document set.

Conclusion

Experimental results show that our approach makes the most accurate MeSH predictions to date, which suggests its great potential in making a practical impact on MeSH indexing. Furthermore, as discussed the proposed learning framework is robust and can be adapted to many other similar tasks beyond MeSH indexing in the biomedical domain. All data sets are available at: http://www.ncbi.nlm.nih.gov/CBBresearch/Lu/indexing.     

一种基于权值的序列模式更新算法

针对原始数据库中增加数据时如何更新规则的问题,提出并应用了一种基于权值的序列模式更新算法UW IUA。该算法利用权值来归约子序列集和利用知识数据库中保留的最小非大序列集产生新的候选序列集,避免了重复遍历原始信息库而造成数据量太大的问题,从而缩短程序运行时间和节约数据存储空间,较好地改进了算法性能。实验结果证明UW IUA算法的效率高于IUA算法。     

基于非局部低秩稀疏矩阵分解的低剂量脑灌注CT图像恢复方法

目的 为了减少脑灌注CT检查的辐射剂量,提高低剂量脑灌注CT图像质量,本文提出一种基于非局部低秩稀疏矩阵分解的低剂量脑灌注CT图像恢复方法。方法 对低剂量脑灌注CT图像进行分块形成一个矩阵,构建低秩稀疏矩阵分解模型进行求解后得到优质的低剂量脑灌注CT图像,最后利用恢复后的脑灌注CT序列图像计算出脑血流动力学参数图像。结果 在数值实验中,滤波反投影算法的图像的平均结构相似性为0.9438,本文方法恢复结果的平均结构相似性提高到0.9765;滤波反投影算法得到的脑血流量和脑血容量参数图像的结构相似性分别为0.7005和0.6856,本文方法得到的脑血流量和脑血容量参数图像的结构相似性提高到0.7871和0.7972。结论 本文方法在低剂量脑灌注CT图像噪声抑制和结构保持方面均有很好的表现,并且可以获取准确的脑血流动力学参数图像。     

基于EMD多尺度能量熵的气液两相流型表征

采用经验模态分解(EMD)和信息熵相结合的方法研究垂直上升气液两相流多尺度非线性动力学特性。首先,对采集的电导波动信号进行经验模态分解,然后根据得到的本征模态函数分量(IMF)求取指标能量,在此基础上建立了一种基于指标能量的多尺度特征熵计算方法。结果表明,多尺度特征熵值不仅可以作为流型识别的特征向量,同时还可有效揭示气液两相不同流型的复杂流动特性。     

基于改进蝙蝠算法的工业控制系统入侵检测

针对蝙蝠算法（BA）易陷入局部极小的缺点,提出了两点改进：（1）在蝙蝠位置更新时考虑了当前局部最优解分布对算法的影响;（2）将差分进化算法（DE）中的变异操作迁移到蝙蝠算法中,采用随机性变异的方式增加了种群多样性,提升了算法局部搜索能力,并通过典型测试函数验证了本文算法的优越性。将该算法用于工业控制系统（ICS）入侵检测中支持向量机（SVM）分类器的参数优化,使用工控入侵检测标准数据集进行仿真研究。结果表明,与DE、粒子群算法（PSO）和遗传算法（GA）等优化算法相比,其优化的SVM入侵检测模型在检测率、漏报率和误报率等指标上都有显著提升。     

基于中医药领域本体的信息检索模型研究

针对传统基于关键词匹配的中医药信息检索存在查全率和查准率低下的缺陷,将本体与潜在语义索引相结合,提出一种基于中医药领域本体的语义信息检索模型.该模型基于本体概念扩展树构建相应的查询扩展方法和语义向量空间模型,将用户查询和文档集映射到同一潜在语义空间,通过计算查询向量与文档之间的相似度返回检索结果.着重阐述了该模型的体系结构、实现过程和关键技术,并对其实用性进行论证.     

Singular Value Decomposition Based Feature Extraction Technique for Physiological Signal Analysis

Multiscale entropy (MSE) is one of the popular techniques to calculate and describe the complexity of the physiological signal. Many studies use this approach to detect changes in the physiological conditions in the human body. However, MSE results are easily affected by noise and trends, leading to incorrect estimation of MSE values. In this paper, singular value decomposition (SVD) is adopted to replace MSE to extract the features of physiological signals, and adopt the support vector machine (SVM) to classify the different physiological states. A test data set based on the PhysioNet website was used, and the classification results showed that using SVD to extract features of the physiological signal could attain a classification accuracy rate of 89.157%, which is higher than that using the MSE value (71.084%). The results show the proposed analysis procedure is effective and appropriate for distinguishing different physiological states. This promising result could be used as a reference for doctors in diagnosis of congestive heart failure (CHF) disease.     

基于混合知识的自适应粒子群算法及其在博弈问题中的应用

粒子群优化算法的寻优性能往往会受到控制参数和速度策略的影响。为提高粒子群优化算法的性能,提出了一种基于混合知识的自适应粒子群算法（SPSO-MK）。该算法使用不同的速度更新策略来平衡粒子群优化算法的局部和全局搜索能力,利用在线和先验知识分别对惯性权重和加速因子进行调整。选取32个测试函数进行仿真实验,结果表明本文算法的整体性能好于10种粒子群的变种算法和3种非粒子群算法。将本文算法用于求解3个非合作博弈纳什均衡问题,结果表明该算法能够取得较好的结果。     

SinoMed与三大中文文献网络检索平台的对比分析

从检索系统的收录范围、著录详略程度、标识质量、报道时差和检索功能5个维度评估SinoMed、维普网、万方和知网在中文医药卫生文献获取和利用方面的异同,提出针对不同网络平台有效构建和实现检索策略的一些基本思路和方法。