检索结果-内蒙古大学图书馆

生物信息学 2016年第2期14卷 117-122页

作者：罗升吕强苏州大学计算机科学与技术学院苏州215006 苏州大学江苏省计算机信息处理技术重点实验室苏州215006

蛋白质结构预测中,采样是指在构象空间中生成具有最小自由能的状态。传统的采样方法是对自由度直接赋值。这种方法在处理较少的残基时能取得好的效果。但是对于包含100个残基以上的蛋白质结构,由于构象空间的急剧增长,难以得到理想的结... 详细信息

蛋白质结构预测中,采样是指在构象空间中生成具有最小自由能的状态。传统的采样方法是对自由度直接赋值。这种方法在处理较少的残基时能取得好的效果。但是对于包含100个残基以上的蛋白质结构,由于构象空间的急剧增长,难以得到理想的结构。本文引入深度学习中的HMC(Hybrid Monte Carlo)采样方法,以概率分布为依据对蛋白质的自由度进行采样,能够对包含100、200甚至更多个残基的蛋白质结构进行采样。并且,在采样的过程中加入残基间的距离约束,使得一个结构中,相对于Rosetta的ab initio最多有75%(平均40%)的残基对得到优化,满足距离约束。

关键词：距离约束 HMC 采样结构预测蛋白质

来源：评论

学校读者我要写书评

暂无评论

基于邻居节点位置的无线传感网休眠算法

引用

计算机技术与发展 2016年第4期26卷 56-60,65页

作者：贾明伟吴敏沙超王汝传南京邮电大学计算机学院软件学院江苏南京210003 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

在无线传感器网络中,节点往往以随机方式密集部署,从而易于产生大量冗余。文中在考虑网络覆盖率的前提下,提出了一种休眠调度算法。节点根据自己与邻居节点的位置关系,计算邻居节点对自己感知区域的覆盖程度。若邻居节点对自己的感知区... 详细信息

在无线传感器网络中,节点往往以随机方式密集部署,从而易于产生大量冗余。文中在考虑网络覆盖率的前提下,提出了一种休眠调度算法。节点根据自己与邻居节点的位置关系,计算邻居节点对自己感知区域的覆盖程度。若邻居节点对自己的感知区域覆盖度超过给定的阈值,则节点进入休眠状态。仿真实验证明了算法的有效性,通过关闭网络中的冗余节点,节省了网络能量,延长了整个网络的生命周期;和同类算法相比较,算法检测冗余节点的能力明显优于同类算法,较大程度地减少了网络中的冗余节点。

关键词：无线传感器网络休眠覆盖冗余邻居节点位置

来源：评论

学校读者我要写书评

暂无评论

Ad hoc网络消息传播过程的高阶描述模型

引用

东南大学学报（自然科学版） 2015年第3期45卷 428-432页

作者：姚文强杨哲朱艳琴李领治苏州大学计算机科学与技术学院苏州215006 苏州大学江苏省计算机信息处理技术重点实验室苏州215006

为避免采用随机抽样模型对Ad hoc网络消息传播过程进行定量分析时存在的高估消息覆盖节点数的问题,对现有模型进行修正,提出了一种高阶描述模型.该模型在转发消息时考虑了会对下一次消息转发到达新节点的概率产生影响的2个参数:节点被... 详细信息

为避免采用随机抽样模型对Ad hoc网络消息传播过程进行定量分析时存在的高估消息覆盖节点数的问题,对现有模型进行修正,提出了一种高阶描述模型.该模型在转发消息时考虑了会对下一次消息转发到达新节点的概率产生影响的2个参数:节点被访问次数和节点度.节点被访问的次数越多,模型的阶数越高.在包含2 000个节点的随机图网络拓扑上的仿真试验结果表明,当消息覆盖的节点数超过1 800时,无论拓扑是否连通,一阶模型和二阶模型对Ad hoc网络消息传播过程的拟合度均优于随机抽样模型.当网络拓扑不连通时,一阶模型和二阶模型仍会高估消息覆盖的节点数;相反,当网络拓扑连通时,两者对仿真结果的拟合度较好,最终误差分别为-7%和-1%.

关键词： Ad hoc网络消息传播过程节点覆盖高阶模型

来源：评论

学校读者我要写书评

暂无评论

基于云计算的多层量子精英属性协同约简算法

引用

四川大学学报（工程科学版） 2015年第6期47卷 97-103页

作者：丁卫平陈森博王杰华管致锦南通大学计算机科学与技术学院江苏南通226019 南京大学计算机软件新技术国家重点实验室江苏南京210093 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

针对传统粗糙集属性约简算法无法高效处理日益增长的大数据问题,提出一种基于云计算的多层量子精英属性协同约简算法。该算法首先在云计算MapReduce模型下将大规模数据集划分到不同的进化蛙群中,分别获得各子种群最优解;然后构造一种基... 详细信息

针对传统粗糙集属性约简算法无法高效处理日益增长的大数据问题,提出一种基于云计算的多层量子精英属性协同约简算法。该算法首先在云计算MapReduce模型下将大规模数据集划分到不同的进化蛙群中,分别获得各子种群最优解;然后构造一种基于多层量子蛙群精英向量的属性协同约简策略,挑选出具有全局搜索和局部精化最强优化能力的精英子种群向量,快速引导各子种群找到各自最小属性约简集,从而取得大规模数据集的全局最优属性约简集。实验结果表明,本文算法在大规模数据集上求解全局最优属性约简解的效率和精度具有明显优势,同时应用于电子病历数据库MRI分割效果表明其具有较强适用性。

关键词：属性协同约简云计算 MapReduce模型多层量子精英 MRI分割

来源：评论

学校读者我要写书评

暂无评论

使用全局优化方法识别中文事件因果关系

使用全局优化方法识别中文事件因果关系

引用

第十五届全国计算语言学学术会议(CCL2016)暨第四届基于自然标注大数据的自然语言处理国际学术研讨会(NLP-NABD-2016)

作者：黄一龙李培峰朱巧明苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室江苏苏州215006

分类器模型是目前识别因果关系的主要模型,该方法存在的问题是只考虑两个事件之间的关系,没有考虑同一文档中其它关联事件所包含的信息,识别结果往往存在逻辑矛盾.本文提出了一个中文事件因果关系识别的全局优化方法,该方法采用整数线... 详细信息

分类器模型是目前识别因果关系的主要模型,该方法存在的问题是只考虑两个事件之间的关系,没有考虑同一文档中其它关联事件所包含的信息,识别结果往往存在逻辑矛盾.本文提出了一个中文事件因果关系识别的全局优化方法,该方法采用整数线性规划(ILP)的推理方法,对基本逻辑关系、因果标志词、事件类型、论元信息进行有效约束,以文档为单位来优化因果关系的识别.在本文标注的语料上的实验结果表明,与分类器方法相比,本文提出的全局优化方法的F1值提升了5.54％.

关键词：现代汉语事件因果关系整数线性规划全局优化

来源：评论

学校读者我要写书评

暂无评论

基于Tri-Training的事件关系分类方法研究

引用

计算机工程与科学 2015年第12期37卷 2345-2351页

作者：丁思远洪宇朱珊珊姚建民朱巧明苏州大学江苏省计算机信息处理重点实验室江苏苏州215006

事件关系分类是一项研究事件之间存在何种逻辑关系的自然语言处理技术。针对事件关系分类任务中训练语料不足的问题,提出了基于Tri-Training的事件关系分类方法。该方法首先根据已标注的语料训练三个不同的分类器,以多数投票的方式从未... 详细信息

事件关系分类是一项研究事件之间存在何种逻辑关系的自然语言处理技术。针对事件关系分类任务中训练语料不足的问题,提出了基于Tri-Training的事件关系分类方法。该方法首先根据已标注的语料训练三个不同的分类器,以多数投票的方式从未标注集中抽取置信度较高的样本对训练集进行扩充,然后利用新的训练集重新训练分类器,反复迭代,不断完善分类模型,最终达到提升事件关系分类性能的目的。实验结果表明,以F1值为评价标准,基于Tri-Training的事件关系分类方法在四大类事件关系上的分类性能为64.36%。

关键词：事件关系框架语义半监督学习 Tri—Training

来源：评论

学校读者我要写书评

暂无评论

事件关系检测的任务体系概述

引用

中文信息学报 2015年第4期29卷 25-32页

作者：杨雪蓉洪宇陈亚东姚建民朱巧明苏州大学江苏省计算机信息处理重点实验室江苏苏州215006

事件关系检测是一项面向文本信息流进行事件关系判定的自然语言处理技术。事件关系检测的核心任务是以事件为基本语义单元,通过分析事件之间的语义关联特征,实现事件逻辑关系的识别与判定,包括关系识别(即识别有无逻辑关系)和关系判定(... 详细信息

事件关系检测是一项面向文本信息流进行事件关系判定的自然语言处理技术。事件关系检测的核心任务是以事件为基本语义单元,通过分析事件之间的语义关联特征,实现事件逻辑关系的识别与判定,包括关系识别(即识别有无逻辑关系)和关系判定(即判定逻辑关系类型,如"因果"关系)。目前,专门面向事件的逻辑关系分析与处理,尚未形成一套完整的研究体系。针对这一问题,该文借助篇章分析、事件抽取和场景理解等相关领域中的概念与数据资源,尝试建立一套事件关系检测的任务和研究体系,包括任务定义、关系体系划分、语料采集与标注、评价方法等。同时,该文着重分析和对比了事件关系检测与篇章关系检测的差异,并给出了事件关系检测任务的难点与挑战。

关键词：事件关系检测篇章分析事件论元语义关系

来源：评论

学校读者我要写书评

暂无评论

一个面向非均匀部署传感网的能量空洞缓解方法

一个面向非均匀部署传感网的能量空洞缓解方法

引用

第十届中国无线传感器网络大会(CWSN2016)

作者：陈欢沙超吴梦庭程丹妮王汝传南京邮电大学计算机学院南京210003 南京邮电大学计算机学院南京210003 苏州大学江苏省计算机信息处理技术重点实验室苏州215006

在无线传感网中，网络中心附近的节点由于要负责全网数据的接收和转发，将会消耗更多能量，从而造成节点间能耗不均，产生了“能量空洞问题”。为延长簇树状无线传感网的网络生命期并均衡网内各节点能耗，提出了一种面向圆形传感器网络... 详细信息

在无线传感网中，网络中心附近的节点由于要负责全网数据的接收和转发，将会消耗更多能量，从而造成节点间能耗不均，产生了“能量空洞问题”。为延长簇树状无线传感网的网络生命期并均衡网内各节点能耗，提出了一种面向圆形传感器网络的能量空洞缓解方法，将网络划分为虚拟的环状结构以满足多跳数据传输的要求，感知节点非均匀地分布在该圆形网络中，内环中的节点数总是多于外环，以此来均衡网络内节点的负载，确保数据上传过程中的能耗均衡性，各节点根据其邻近节点的剩余能量和通信距离，选择相邻环内的最优节点作为父节点上传数据(如图1、2 中的上传模式)。

关键词：无线传感网能量空洞能耗均衡非均匀布署

来源：评论

学校读者我要写书评

暂无评论

灰度差能量函数引导的图像分割自适应C-V模型

引用

模式识别与人工智能 2015年第3期28卷 214-222页

作者：王相海王金玲方玲玲辽宁师范大学计算机与信息技术学院大连116081 苏州大学江苏省计算机信息处理技术重点实验室苏州215006

作为几何活动轮廓模型(GACM)的一个标志性模型,C-V模型在图像分割应用中因具有对目标遮挡和边缘噪声的鲁棒性而受到关注.然而该模型通常不能较好地处理复杂的异质图像,并且有对演化曲线的初始位置较为敏感和计算复杂度高等弱点.依据演... 详细信息

作为几何活动轮廓模型(GACM)的一个标志性模型,C-V模型在图像分割应用中因具有对目标遮挡和边缘噪声的鲁棒性而受到关注.然而该模型通常不能较好地处理复杂的异质图像,并且有对演化曲线的初始位置较为敏感和计算复杂度高等弱点.依据演化曲线内、外区域平均灰度值差的绝对值越大,演化曲线越靠近准确目标边缘的特性,提出一种基于灰度差能量函数引导的图像分割自适应C-V模型.该模型通过构造基于轮廓曲线内、外区域平均灰度差引导函数自适应地调整演化曲线的运动趋势,使得曲线演化可在一个有效的"窄带"范围内进行,保证轮廓曲线内、外部区域灰度计算的局部均一性,增强对目标细节信息的捕捉能力,同时也在一定程度上提高模型的计算速度和对轮廓曲线初始位置的适应性.大量的仿真实验验证该模型的有效性.

关键词： C—V活动轮廓模型灰度差能量引导函数图像分割轮廓曲线

来源：评论

学校读者我要写书评

暂无评论

槽填充中抽取模式的优化方法

引用

中文信息学报 2015年第2期29卷 199-206页

作者：沈晓卫李培峰朱巧明苏州大学计算机科学与技术学院、江苏省计算机信息处理技术重点实验室江苏苏州215006

在传统的信息抽取中,模式匹配已经被证实为简便而有效的方法,而依存路径也是最为常用的模式之一。在槽填充任务中就有众多的参与者引入了以依存路径为基础的模式匹配方法;该文就针对该方法中存在的包括模式平衡性,模式抽取方式和模式筛... 详细信息

在传统的信息抽取中,模式匹配已经被证实为简便而有效的方法,而依存路径也是最为常用的模式之一。在槽填充任务中就有众多的参与者引入了以依存路径为基础的模式匹配方法;该文就针对该方法中存在的包括模式平衡性,模式抽取方式和模式筛选策略等方面的问题,提出了模式裁剪、模式转置、模式扩展和模式语义定义等主要的优化方法并实现了相关系统,在TAC-KBP2010的目标语料上进行了测试。该文提出的方法F值为20.8%,比基准系统的14.3%提高了6.5%。

关键词：槽填充模式优化信息抽取

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：