检索结果-内蒙古大学图书馆

计算机应用与软件 2025年

作者：李翔张步忠姚昭伦徐亚军安庆师范大学计算机与信息学院苏州大学江苏省计算机信息处理技术重点实验室

蛋白质解链温度对于深入了解蛋白质的结构与功能、优化蛋白质设计具有重要意义。传统生物湿实验方法测定解链温度成本高，过程繁琐。现有计算方法预测解链温度多数使用蛋白质级别的全局特征，忽略了氨基酸级别的局部特征，且预测精度有... 详细信息

蛋白质解链温度对于深入了解蛋白质的结构与功能、优化蛋白质设计具有重要意义。传统生物湿实验方法测定解链温度成本高，过程繁琐。现有计算方法预测解链温度多数使用蛋白质级别的全局特征，忽略了氨基酸级别的局部特征，且预测精度有限。针对上述问题，提出一种新型深度学习模型ProteoTempNet，旨在提升蛋白质解链温度的预测精度。该模型利用蛋白质语言模型从氨基酸级别提取序列表征，设计一种结合自注意力机制的动态掩码特征选择算法，稀疏化特征表示；用卷积神经网络网络、双向长短期记忆网络以及注意力网络构建ProteoTempNet深度学习模型，应用于蛋白质解链温度预测的回归和分类任务。实验结果表明，ProteoTempNet具有良好的泛化性能，在解链温度预测中相较于现有最优方法，PCC提升1.1%，RMSE降低5.4%，MAE降低3.9%，为该领域提供了一个更为有效的解决方案。

关键词：解链温度局部特征动态掩码特征选择稀疏化特征深度学习

来源：评论

学校读者我要写书评

暂无评论

基于有向超图自适应卷积的链接预测模型

引用

计算机应用 2025年第1期45卷 15-23页

作者：赵文博马紫彤杨哲苏州大学计算机科学与技术学院江苏苏州215008 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006

图神经网络(GNN)为链接预测提供了多样化的解决方案,但由于普通图的结构限制,目前的相关模型在充分利用顶点间的高阶及不对称信息方面存在明显的不足。针对以上问题,提出一种基于有向超图自适应卷积的链接预测模型。首先,使用有向超图... 详细信息

图神经网络(GNN)为链接预测提供了多样化的解决方案,但由于普通图的结构限制,目前的相关模型在充分利用顶点间的高阶及不对称信息方面存在明显的不足。针对以上问题,提出一种基于有向超图自适应卷积的链接预测模型。首先,使用有向超图结构更充分地表示顶点间的高阶和方向信息,兼具超图和有向图的优势;其次,有向超图自适应卷积采用自适应信息传播方式替代传统有向超图中的定向信息传播方式,从而解决了有向超边尾部顶点不能有效更新嵌入的问题,同时解决多层卷积导致的顶点过度平滑问题。在Citeseer数据集上基于显式顶点特征的实验结果显示,在链接预测任务上,相较于有向超图神经网络(DHNN)模型,所提模型的ROC(Receiver Operating Characteristic)曲线下面积(AUC)指标提升了2.23个百分点,平均精度(AP)提升了1.31个百分点。因此,所提模型可以充分表达顶点间的关系,并有效提高链接预测任务的性能。

关键词：图神经网络有向超图链接预测超图卷积表示学习自适应卷积

来源：评论

学校读者我要写书评

暂无评论

多粒度自适应嵌入融合的有向超图表示学习模型

引用

小型微型计算机系统 2025年第3期46卷 586-593页

作者：马紫彤赵文博杨哲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

图表示学习能够挖掘图结构数据中蕴含的丰富信息,例如结构、关系信息等.近年,涌现了大量针对高阶、复杂图结构的表示学习研究,然而针对高阶有向超图结构的研究相对有限,且存在一定的局限性:现有方法无法同时提取有向超图的高阶性和方向... 详细信息

图表示学习能够挖掘图结构数据中蕴含的丰富信息,例如结构、关系信息等.近年,涌现了大量针对高阶、复杂图结构的表示学习研究,然而针对高阶有向超图结构的研究相对有限,且存在一定的局限性:现有方法无法同时提取有向超图的高阶性和方向性,导致其失去了结构优势.同时,在图表示学习中,信息通过连接边实现信息传播,堆叠网络层数时容易产生过平滑问题.为解决上述问题,本文首先设计有效且能够在通用的有向超图结构中提取信息的卷积模块,在避免信息损失下有效地传递结构信息;其次采用自适应权重的嵌入融合机制,来缓解过平滑问题.在多个不同类型的数据集上的实验表明了有向超图表示学习模型的先进性,在分类任务上的准确率最高提升4.39%.

关键词：有向超图表示学习有向超图卷积自适应嵌入融合

来源：评论

学校读者我要写书评

暂无评论

基于U-Net改进的日平均2 m气温订正方法

引用

应用科学学报 2025年第1期43卷 51-65页

作者：王冰轮方巍南京信息工程大学计算机学院江苏南京210044 南京气象科技创新研究院中国气象局交通气象重点开放实验室江苏南京210041 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215000

针对数据订正常用的深度学习模型U-Net中不能充分学习空间特征以及图像细节信息丢失的问题,提出了S-CUnet 3+模型。S-CUnet 3+采取以下两个措施对U-Net进行改进:一是将原模型与能够学习图片全局特征的Swin Transformer有机结合起来;二... 详细信息

针对数据订正常用的深度学习模型U-Net中不能充分学习空间特征以及图像细节信息丢失的问题,提出了S-CUnet 3+模型。S-CUnet 3+采取以下两个措施对U-Net进行改进:一是将原模型与能够学习图片全局特征的Swin Transformer有机结合起来;二是引入多尺度连接操作。模型还采用了预训练与微调的训练策略针对多个预报步长同时订正。7个预报步长的日平均2 m气温预报值订正的实验结果表明,S-CUnet 3+模型对所有预报步长的预报都有明显的订正效果,其中24 h预报步长的订正效果最好,平均绝对误差和均方根误差分别下降了50.64%和49.25%,且相比于基于历史资料的模式距平积分预报订正、分位数回归、岭回归、U-Net、CU-Net、Dense-CUnet和RA-UNet这7种订正方法,S-CUnet 3+取得了更好的订正效果。

关键词：数据订正深度学习 Swin Transformer 预训练微调

来源：评论

学校读者我要写书评

暂无评论

基于MFC的图形分页与缩放打印系统的设计与实现

引用

计算机工程 2005年第24期31卷 222-224页

作者：裴金干陆建德苏州大学计算机学院江苏省计算机信息处理技术重点实验室苏州215006

讨论了图形设计应用中图形缩放打印系统的设计,就设计图元的虚拟图纸设定、图形分页计算、物理图元尺寸与屏幕图元尺寸的关系及分页打印系统中打印内容划分与多页拼接等问题进行了详细的探讨。

关键词：映射模式窗口视口 CDC

来源：评论

学校读者我要写书评

暂无评论

支持交叉认证与状态检测的IPsec-VPN设计

引用

计算机工程 2006年第21期32卷 170-172页

作者：杜春燕杨绚渊陆建德苏州大学计算机学院江苏省计算机信息处理技术重点实验室苏州215006

IPsec是为VPN制定的一组IP层安全协议,但随着应用的扩展和深入也出现了一些新的问题。文章将公钥基础设施PKI引入其中,结合ECC公钥技术,并增加了交叉认证接口设计,提出了一个基于改进的PKI体系的增强型IPsec VPN安全网关原型系统;同时对... 详细信息

IPsec是为VPN制定的一组IP层安全协议,但随着应用的扩展和深入也出现了一些新的问题。文章将公钥基础设施PKI引入其中,结合ECC公钥技术,并增加了交叉认证接口设计,提出了一个基于改进的PKI体系的增强型IPsec VPN安全网关原型系统;同时对DPD协议进行了研究,设计并实现了对DPD的支持,从而有效弥补了现有IPsec VPN在身份认证和状态检测方面的缺陷,提高了VPN的安全性、可扩展性和健壮性。最后给出了一个基于Linux2.6内核的设计方案。

关键词： VPN IKE PKI ECC 交叉认证 DPD

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

引用

清华大学学报（自然科学版） 2017年第10期57卷 1042-1047页

作者：李培峰黄一龙朱巧明苏州大学计算机科学与技术学院苏州215006 江苏省计算机信息处理技术重点实验室苏州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2个事件之间的关系,没有考虑同一文档中其他关联事件所包含的信息,识别结果往往存在逻辑矛盾。该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2个事件之间的关系,没有考虑同一文档中其他关联事件所包含的信息,识别结果往往存在逻辑矛盾。该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(integer linear programming,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识别。在该文标注语料上的实验结果表明:与分类器方法相比,该文提出的全局优化方法的F1值提升了5.54%。

关键词：事件关系因果关系整数线性规划(ILP) 全局优化

来源：评论

学校读者我要写书评

暂无评论

一种用于蛋白质结构聚类的聚类中心选择算法

引用

自动化学报 2011年第6期37卷 682-692页

作者：黄旭吕强钱培德苏州大学计算机科学与技术学院苏州215006 江苏省计算机信息处理技术重点实验室苏州215006

提出一种对蛋白质结构聚类中心进行选择的算法.聚类是蛋白质结构预测过程中必不可少的一个后处理步骤,而目前在蛋白质结构预测中常用的属性阈值(Quality threshold,QT)聚类算法依赖于由经验得出的聚类半径;其他聚类算法,如近邻传播(Affi... 详细信息

提出一种对蛋白质结构聚类中心进行选择的算法.聚类是蛋白质结构预测过程中必不可少的一个后处理步骤,而目前在蛋白质结构预测中常用的属性阈值(Quality threshold,QT)聚类算法依赖于由经验得出的聚类半径;其他聚类算法,如近邻传播(Affinity propagation,AP)聚类算法也存在影响聚类分布的参数.为克服对主观经验参数的依赖,本文提出一种聚类中心选择算法(Exemplar selection algorithm,ESA),用于对不同参数下的聚类结果进行分析,从而选择最佳聚类中心,进而确定聚类半径等经验参数.该算法在真实蛋白质结构数据集上进行了实验,在未知经验参数情况下选择出最佳聚类中心,同时也为不同聚类算法寻找适合相应数据集的客观聚类参数提供了支持.

关键词：蛋白质结构聚类属性阈值近邻传播聚类中心选择

来源：评论

学校读者我要写书评

暂无评论

面向异构网络的动态负载均衡算法及其收敛性分析

引用

电子与信息学报 2013年第9期35卷 2247-2253页

作者：张浩军朱艳琴纪其进苏州大学计算机科学与技术学院苏州215006 江苏省计算机信息处理技术重点实验室苏州215006

资源共享是分布式计算的核心问题,平衡负载是实现资源共享的基本手段。现有的负载均衡算法多局限于同构网络,伴随计算终端多元化的发展趋势,面向异构网络的负载均衡需求也不断增加。该文基于经典的扩散算法,提出一种适用于异构网络环境... 详细信息

资源共享是分布式计算的核心问题,平衡负载是实现资源共享的基本手段。现有的负载均衡算法多局限于同构网络,伴随计算终端多元化的发展趋势,面向异构网络的负载均衡需求也不断增加。该文基于经典的扩散算法,提出一种适用于异构网络环境的新的动态负载均衡算法,并通过严格的数学方法证明了算法中各结点可收敛于平衡点。实验结果表明,该算法的收敛性能优于Rotaru等人(2004)提出的GDA算法,并且对于网状网络、星型网络和花环网络等经典结构都有良好的收敛性,即便在随机生成的网络结构中,仍然保持了较快的收敛速度。

关键词：分布式计算异构网络动态负载均衡收敛性分析

来源：评论

学校读者我要写书评

暂无评论

共享信息素矩阵:一种新的并行ACO方法

引用

自动化学报 2007年第4期33卷 418-421页

作者：吕强高彦明钱培德苏州大学计算机科学与技术学院苏州215006 江苏省计算机信息处理技术重点实验室苏州215006

提出并实现了一种新的蚁群优化(ACO)并行化策略SHOP(Sharing one pheromone matrix)．主要思想是基于多蚁群在解的构造过程和信息素更新过程中共享同一个信息素矩阵．以ACS和MMAS的SHOP并行实现为例,简要描述了SHOP设计思想和实现过程,... 详细信息

提出并实现了一种新的蚁群优化(ACO)并行化策略SHOP(Sharing one pheromone matrix)．主要思想是基于多蚁群在解的构造过程和信息素更新过程中共享同一个信息素矩阵．以ACS和MMAS的SHOP并行实现为例,简要描述了SHOP设计思想和实现过程,尝试了ACS和MMAS并行混合．以对称TSP测试集为对象,将SHOP的实现与相应串行算法在相同计算环境下的实验结果比较,以及与现有的并行实现进行比较,结果表明SHOP并行策略相对于串行ACO及现有的并行策略具有一定的优势．

关键词：蚁群优化并行共享信息素矩阵

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：