国际恐怖组织结盟网络及其集团特性研究

恐怖活动是国际社会的一大公害。恐怖组织间结成同盟关系,会对国家安全和世界和平造成更严重的威胁。了解这种结盟关系,将有助于各国政府间更有效的反恐合作。基于公开数据,构建并分析了国际恐怖组织间的结盟网络,发现它们结成了22个较大的恐怖集团,各集团具有意识形态同一性和地域相近性。其中3个集团起到了联系多个集团的桥梁作用,10余个组织是网络中影响力较大的。本研究可望对制定反恐策略起到积极的参考作用。     

基于神经网络集成方法预测膜蛋白类型

由Chou等人提出的预测膜蛋白分类的机器学习算法在近年来不断改进,使得预测膜蛋白类型的准确率越来越高。但是由于膜蛋白类分布不均衡而导致少数类的预测准确率非常低,使用神经网络集成方法能解决此问题。该方法中Bagging算法通过对多数类欠采样和少数类过采样来解决膜蛋白训练数据集不均衡问题。此外,用神经网络集成方法对已训练数据集和独立数据集进行分类测试,得出神经网络集成方法预测效果优于单个最好神经网络。该方法为解决蛋白质分类预测问题提供了一种新的策略,特别是训练数据集不均衡时,该方法的优势更加明显。     

基于关联度的词汇记忆优化算法

近年来,记忆词汇的方法不断涌现,但是这些方法仅仅考虑其中某一方面因素,而非综合考虑多方面因素。鉴于单词间拼写和发音重合度对于词汇记忆的重要性,融合了单词拼写和发音重合度,提出了基于单词间关联度的词汇记忆方法,结合图论知识给出了单词最优记忆回路的近似算法,运用Matlab编程对大学英语四级词汇进行了排序,通过实验和假设检验验证了使用基于单词间关联度的词汇记忆方法的记忆效率明显优于普通方法。     

基于混合高斯概率密度的加权打分方法

针对当前评比打分方法不能有效反映选手真实情况的问题,提出了一种基于混合高斯概率密度的加权打分方法。该方法的重点在于引入混合高斯分布来确定专家评分的权重。首先利用EM算法确定混合高斯分布模型参数,然后通过区间划分得到每个区间上的概率,再将专家打分映射到混合高斯概率密度函数区间上得到对应的权重,最后经加权求和得到选手的最终成绩。通过实例证明了该方法的合理性和公正性。