关键词： 典型相关分析   核典型相关分析   核方法   核函数   不完全Cholesky分解  

摘要： 我们从处理线性关系样本的典型相关分析(CCA)的基本理论入手,通过引入“核”方法,总结了处理非线性关系样本的核典型相关分析(KCCA)的基础理论构造过程.在KCCA的计算中引入了正则化方法和不完全Cholesky分解法,达到了降维和解决过拟合问题的目的。同时我们还介绍了多项式核和高斯核这两种常用的核函数。最后,我们进行了简单的基于CCA的节目评分相关性实验和基于KCCA的字符识别实验,验证了二者在不同样本中的处理效果以及选取不同核函数时KCCA的表现。

关键词： CLASSIFICATION  

摘要： Labor monitoring is crucial in modern health care, as it can be used to detect (and help avoid) significant problems with the fetus. In this article we focus on detecting hypoxia (or oxygen deprivation), a very serious condition that can arise from different pathologies and can lead to lifelong disability and death. We present a novel approach to hypoxia detection based on recordings of the uterine pressure and fetal heart rate, which are obtained using standard labor monitoring devices. The key idea is to learn models of the fetal response to signals from its environment. Then, we use the parameters of these models as attributes in a binary classification problem. A running count of pathological classifications over several time periods is taken to provide the current label for the fetus. We use a unique database of real clinical recordings, both from normal and pathological cases. Our approach classifies correctly more than half the pathological cases, 1.5. hours before delivery. These are cases that were missed by clinicians; early detection of this type would have allowed the physician to perform a Cesarean section, possibly avoiding the negative outcome.

关键词： 故障诊断系统   汽变速器   遗传算法   支持向量机   机器学习方法  

摘要： 变速器是汽车的主要部件之一,其可靠性直接影响着汽车的整体性能指标。随着我国汽车工业的发展,为了提高生产效率,变速器新产品的故障检测工作应逐渐由自动化的计算机系统来代替传统的人工检测。因此,研发一种高效的变速器故障诊断系统迫在眉睫。该系统在提高检测效率的基础上,不但可以代替人工检测出有故障的不合格变速器产品,而且可以比人工检测更为精准的判断出故障原因,定位出故障部位,从而指导不合格变速器的维修工作并为变速器的质量跟踪和产品改进提供有力依据。　　 本文针对变速器新产品在线检测问题,主要进行了两个方面的研究工作:针对变速器故障诊断的理论研究和变速器故障诊断系统的设计开发验证工作。　　 针对变速器故障诊断的理论研究主要从以下三个方面展开:　　 (1)变速器故障特征提取方法研究。首先分析了近期旋转机械故障诊断中几种常用的故障特征提取方法:频谱分析、小波分析、经验模式分解方法和阶次分析方法,论述了每种方法的优缺点。然后根据变速器新产品故障诊断的特点,提出了基于阶次分析的故障特征提取方法。通过等角度采样、分轴计算、角域同步平均计算、阶次谱计算,利用同步采集的转速信号将振动信号由时域信号转化为反应变速器阶次信息的阶次域信号。最后选择三个能敏感的反应故障信息的时域特征指标与阶次域特征向量集共同组成了变速器故障特征向量集,完成故障特征提取工作。　　 (2)变速器故障特征选择方法研究。由于特征选择后得到的特征向量集中特征数量过多,一方面会影响学习算法的效率,一方面由于冗余特征的存在会降低学习算法的准确率。因此本文提出了一种基于遗传搜索算法的特征选择策略。该方法以类内类间距离与惩罚系数的乘积做为特征评价准则,以改进的遗传算法作为搜索策略进行最优特征子集的搜索,最终得到了精简后的近似最优解。　　 (3)变速器故障分类方法研究。针对变速器故障分类判别中先验知识不完备、前期训练样本偏少,对实时性要求较高的特点,选取了支持向量机理论来解决变速器故障分类问题。在分析了支持向量机理论基础和原理之后,建立了二层多分类支持向量机结构模型,并针对正反例样本数量不平衡的特点,对支持向量机算法进行了改进,通过对惩罚因子的调整,解决了判别结果偏向于样本数多的类别的问题,得到了满意的判别结果。　　 针对变速器新产品故障诊断系统的分析设计和实施过程中遇到的问题,从系统实施方面对以下关键技术进行了研究:　　 (1)数据同步采集。针对转速信号和振动信号的同步采集问题,提出了一种解决方案。该方案不同于以往的以振动信号采集卡作为主控卡的方式,从阶次分析计算的需要入手,以转速信号采集卡作为主控卡,根据变速器输入轴的旋转周期作为数据采集长度的依据,实现了两路信号的同步采集。　　 (2)振动传感器测点位置分析。通过对变速器壳体上各个采集位置采集到的信号进行分析和评价,从十几个备选位置中选择了一个最优位置作为传感器安装位置,保证了采集到的信号质量。　　 (3)通用的变速器结构建模和参数存储。为实现系统的通用性,设计了通用的变速器结构模型,可存储不同型号不同结构的变速器齿轮和轴承参数。设计并实现了参数管理系统用于存储变速器故障诊断系统运行所需要的各种计算和硬件参数,可满足变速器性能试验台上不同工况下的诊断工作。　　 (4)故障诊断系统与变速器性能试验台之间的通讯模块的设计。变速器故障诊断系统在运行中,需要实时接收变速器性能试验台发送的各种指令并作出应答,才能实现诊断过程的自动化。文本在分析了交互过程后,设计了通讯模块的工作流程,并完成了该模块的实施。　　 (5)给出了变速器故障诊断软件的整体设计概要并展示了各部分功能。

关键词： 本体   奇异值分解   潜在语义分析   模糊相容关系   模糊等价关系   失衡数据集  

摘要： 随着食品监管机制的逐步发展，网络上的投诉信息日渐增多，有效地组织这些文档投诉引起了广泛的研究。由于这类文档常常包含很多领域术语，一直很难得到有效的处理。目前，很多用户利用语义网技术把结构化的领域知识引入进本体，越来越多的用户自定义的本体应运而生。一般来说，这些领域本体在领域专家的指导下构建用以描述特定领域的知识。近年来，通用本体也得到了广泛应用，它为领域本体的概念化提供了一个详尽的语义知识词典。Hownet作为一个成熟的中文的通用本体，广泛被应用于文本分析及文档聚类算法中。 本文提出了一个不需要任何先验知识就能有效处理失衡数据的自动文本分类模型。首先，我们创建了食品领域本体作为领域知识库，利用通用本体Hownet作为背景知识对其进行语义扩充。具体做法为：从食品领域本体中解析出所需的受控词汇进行特征选择。在这里，受控词汇是指领域本体中包含的危害词汇，这些词汇对特征选择有指导作用。当处理一批新的投诉文档时会获得新的危害词汇，把这些新危害词汇适当添加回领域本体，就完成了对领域本体进行语义扩充。其次，用潜在语义分析方法实现非失衡数据的文档聚类，再基于词聚类的方法获得失衡数据集并进一步处理失衡数据集，使失衡数据二次分类。算法通过把词汇从词汇空间映射到潜在语义空间提高了文本聚类的精度，失衡数据的推导及处理有效解决了对小众事件的分析处理，提高了数据处理能力。 有了前面的基础，我们进一步提出运用模糊集理论结合本体的指导来实现食品投诉文档的聚类。在这个理论中，首先，我们依然运用通用本体作为背景知识指导食品领域本体扩充受控词汇并提取文档特征。然后，我们在k维语义空间中得到待处理文档集的模糊相容关系，再把它进一步转化为一个模糊等价矩阵。最后，利用一个评估函数指导选出最佳的聚类数及λ水平值。通过这一方法，文档间的语义模糊性在聚类过程中被充分考虑，由此得到了更有说服力及无交叉的聚类结果。该方法把涉及投诉多个主题的单篇文档划分到最合适的簇中，解决了文档簇之间的大规模的重复交叉问题。

关键词： 机器学习   系统生物学   生物信息学   特征筛选   蛋白质   预测模型  

摘要： 通过对生物系统进行刺激，观察系统的反应和刺激的效果是最直接有效的理解生物系统作用机制的方法。机器学习可用于研究目标变量和特征变量之间关系。如果将刺激的效果作为目标变量，把刺激的属性作为特征变量，那么就可以使用机器学习的方法建立起刺激效果和刺激之间的联系，筛选出哪些属性是和刺激效果关联性最强的，最有可能导致刺激效果的，最终根据这些属性构造出预测模型预测新的刺激会产生什么样的效果。由于生物系统种类繁多，刺激种类也是多种多样，本文将主要对以下刺激/扰动进行研究：氨基酸突变与疾病发生，基因敲除与酵母寿命，肝炎病毒感染与肝硬化肝癌发生发展，药物治疗与药物疗效。　　氨基酸突变与疾病之间的关系被广泛研究。由于蛋白质序列上氨基酸的突变可能会导致蛋白质结构和功能的改变，因此可能与疾病相关。之前的研究都局限于使用氨基酸突变位点附近序列和结构的特征，包括序列保守性，氨基酸组成，氨基酸理化生化性质和蛋白质二级结构信息，而没有考虑蛋白质的网络功能重要性。如果氨基酸突变发生在一个不重要的蛋白质里，该突变很有可能不会导致疾病。基于这一思想，从UniProt(通用蛋白质资源)下载了从文献中整理出的氨基酸突变与疾病关联性数据，将每一个氨基酸突变使用以下信息进行编码：蛋白质在网络的介度，蛋白质及其邻居在KEGG(京都基因与基因组百科全书)通路上的功能富集打分，氨基酸突变位点保守性，结构不规则性，氨基酸理化生化性质，突变位点的功能位点注释，突变前后氨基酸性质的差异程度。通过mRMR(最大相关最小冗余)特征筛选方法发现蛋白质的网络功能属性和氨基酸位点的保守性对于正确预测突变的疾病关联性贡献最大。使用筛选出的特征，构建了一个突变与疾病关联性预测模型，该模型的预测预测准确率高于之前通用的基于序列保守性的同类预测软件SIFT(区分不可耐受和可耐受的突变)。开发了相应的突变位点与疾病关联性预测软件SySAP(单氨基酸动态性系统预测器)，同时提供在线预测功能和软件下载功能(网址为http：//和http：//***/SySAP/)。此外，本文还对TP53蛋白质上的多位点氨基酸突变对TP53转录活性的影响进行了研究。　　酵母中很多基因都被敲除过，实验发现有一些基因的敲除会导致酵母寿命的变化。本文从文献中收集了可以导致酵母寿命缩短或延长的基因，将这些基因与已知的与酵母衰老和寿命相关的基因在蛋白质相互网络上通过最短路径分析联系起来，得到每个敲出基因可能影响的下游衰老和寿命相关基因网络，将受其影响的敲出基因子网用网络拓扑学特征，生化理化性质和功能属性表示出来。结果发现，将受其影响的敲出基因子网属性与敲出基因本身的属性结合起来可以得到比单纯使用敲出基因本身的属性更好的对敲出效果的预测。　　肝炎病毒感染导致肝硬化肝癌发生发展是多个肝炎病毒蛋白质及其下游众多人体靶蛋白质相互作用的结果。研究结果表明使用肝炎病毒-人体蛋白质相互作用网络可以解释肝硬化肝癌发生发展的过程和预测不同阶段病人的状况。　　药物刺激与药物疗效涉及药物及其靶蛋白质在整个治疗过程中随时间的动态变化，更为复杂。本文使用决策树构建了基于时间序列表达谱数据的干扰素对丙型肝炎病毒治疗效果的预测模型，取得了很好的预测效果。　　综上所述，机器学习方法在分析和预测各类刺激/扰动对生物系统的影响方面都具有较好的效果。将扰动在蛋白质相互作用网络上的属性表示出来，会得到比单纯使用扰动本身的属性更好的预测效果。

关键词： P2P   流量检测   深度包检测   流统计特征   机器学习   C4.5  

摘要： P2P网络具有不同于传统客户端/服务器(C/S)网络的两大特点:去中心化和自组织性,这使其增强了用户的参与性,增加了资源节点,使得P2P网络在资源共享方面发挥了巨大的作用,其技术得到了飞速的发展。 P2P技术在飞速发展的同时也带来了很多的问题。据统计网络中有60%0%的流量为P2P流量,过多的P2P流量会造成网络拥塞,降低网络性能,使得其他关键业务因缺少可用带宽受到影响,最终影响到网络的服务质量。同样,由于其去中心化,网络监管也变得更加困难,P2P网络成为非法资源甚至病毒传播的重要途径。建立长效的流量管理监控机制是解决以上问题的关键。寻找有效的识别P2P流量的方法,是亟待解决的重要问题。 本文在分析当今主流的P2P检测技术的基础上研究并设计一种P2P流量分析系统,该系统能够有效的识别出目前网络中的P2P流量,为进一步的控制工作奠定基础。主要研究工作如下:首先分析了当今最广泛的网络流量识别方法:传统法,深度包识别法以及流统计特征分析法,选择深度包识别法和基于流统计特征分析法构建系统。然后分析了常见P2P协议的网络拓扑结构,通信过程以及文件传输过程,通过分析大量数据包建立起深度包识别法中的流特征库,实现了利用特征值进行流量识别的模块。再次,在流统计特征分析模块中选择机器算法为基础。在研究比较了决策树分类和贝叶斯分类的各种算法后,选择机器算法中监督学习的决策树模型下C4.5算法作为分类算法,选择CFS算法作为属性约简算法。最后通过实验表明,系统在有效识别P2P流量方面优于现有方法。

关键词： 构象性B细胞表位预测   蛋白质氨基酸侧链信息   机器学习   支持向量机  

摘要： B细胞表位预测是免疫信息学中非常重要的一个研究方面。B细胞表位是一组有自身特征性的位点，它们分布在抗原表面，依照线性或者构象性的方式排列，从而来引起抗原-抗体的相互绑定、介导体液免疫应答,因此表位的预测对于疫苗的开发和疾病的诊断都具有非常重要的作用。根据结构不同，B细胞表位分为线性表位和构象性表位两种，目前线性B细胞表位预测方面已经取得很多的成绩，而构象性B细胞表位预测方面的研究则相对缓慢，随着实际应用需求的增加和实验手段的进步，越来越多的研究人员开始专注于构象性B细胞表位的预测研究，一些预测算法和软件相继发布。 本文提出了一种基于划分的策略来进行构象性B细胞表位预测，方法选取抗原的六个基于蛋白质氨基酸侧链信息的表位特征，使用支持向量机的方法对抗原氨基酸进行分类，进而预测可能的表位。该方法的有效性在161条包含了抗原-抗体复合体结构的数据集以及非复合体的抗原数据集上得到验证，使用非复合体的抗原数据集，算法预测的准确性可以达到：敏感性53.6%、准确性20.5%、曲线下面积（AUC）的值为0.627;对于复合体结构的数据集，算法的AUC值下降到0.609，但是在敏感性、准确性上略有提高。本文预测结果与EPCES进行比较发现，预测性能较高于EPCES，这个结果说明了结合机器学习和特征选择的方法进行表位预测是有效的;另一方面，方法整体预测性能仍然不能令人满意，还有待建立更全面的表位和非表位数据集、寻找或结合更多更有效的表位特征、开发更有效的算法来进一步提高预测性能。

关键词： 机器学习   数据挖掘   半监督学习   隐式约束   协同训练   距离度量学习  

摘要： 在很多机器学习任务中,学习过程或者学习环境中存在一些额外可利用的约束,称为“隐式约束”。随着可获取数据量的不断增大和数据环境的越来越复杂,如何充分利用隐式约束来提高学习效率和泛化性能,近年来得到了越来越多研究者的关注。尤其在很多实际问题中只能提供少量的标记信息,利用隐式约束能够带来学习性能上更大的收益。 本文针对半监督学习,试图通过利用隐式约束来提高学习性能,主要取得了以下创新成果： 第一,提出了一种新的协同训练学习方法CoSnT。该方法受到现实世界教学过程的启发,通过考虑“教”者教学的置信度和“学”者学习的需求度,利用学习过程中隐含的这一教学约束,同时考虑了协同训练过程中两个学习器之间的交互。实验结果表明,CoSnT方法在学习性能上优于传统的协同训练方法。 第二,提出了一种新的针对示例对的距离度量学习方法PSD。该方法利用了学习环境中自然存在的连接约束,针对不同示例对可能存在不同的语义连接关系,提出了示例对距离度量。实验结果表明,PSD在多类数据和多标记数据上,都能学习得到相对更恰当的距离度量,从而帮助得到更好的分类性能。

关键词： 隧道   围岩分类   高斯过程   机器学习  

摘要： 针对现有围岩分类方法的局限性,基于工程实例,利用分类性能优异的高斯过程机器学习模型建立围岩类别与其主要影响因素之间的非线性映射关系,进而提出一种基于高斯过程的隧道围岩分类模型,实现不同情况下围岩分类的合理识别。将该模型应用于川藏公路二郎山隧道围岩分类,研究结果表明,隧道围岩分类的高斯过程机器学习模型是科学可行的,与人工神经网络模型、支持向量机模型相比较,该模型具有参数自适应化的优点,能方便快捷地给出合理可靠且具有概率意义的围岩分类评价结果,可对围岩分类结果的不确定性或可信度进行定量化评价。