遗传算法在入侵检测中的应用

介绍了基于模型推理和基于模型两种入侵检测系统,提出了一种新的基于智能体技术的入侵检测系统体系结构,解决了传统集中式入侵检测系统的弊病,将任务处理和数据分布到网络各个结点上,充分利用网络资源协同完成入侵检测任务;介绍了遗传算法在该系统中的应用,因系统安全的先验知识体现在对原始数据中有价值特征属性变量集的选择上,故利用遗传算法对特征属性变量子集的选择进行优化,找到相对最优的由特征向量表示的特征属性变量集,以降低入侵检测系统的负荷。     

番茄遗传转化体系的建立

为了获得带有白细胞介素2基因的转基因番茄植株,本研究运用农杆菌介导法,探究了影响遗传转化的因素,建立了较完善的番茄遗传转化体系。结果表明最优化的转化条件为:Km的筛选浓度为30mg/L,头孢曲松钠的抑菌浓度为500mg/L,侵染时间采用1~2min,并且抑菌7d后加入筛选压。得到的抗性植株经PCR检测为阳性,初步证明外源基因il-2已经整合到番茄基因组中。     

Case–control genome-wide joint association study using semiparametric empirical model and approximate Bayes factor

We propose a semiparametric approach for the analysis of case–control genome-wide association study. Parametric components are used to model both the conditional distribution of the case status given the covariates and the distribution of genotype counts, whereas the distribution of the covariates are modelled nonparametrically. This yields a direct and joint modelling of the case status, covariates and genotype counts, and gives a better understanding of the disease mechanism and results in more reliable conclusions. Side information, such as the disease prevalence, can be conveniently incorporated into the model by an empirical likelihood approach and leads to more efficient estimates and a powerful test in the detection of disease-associated SNPs. Profiling is used to eliminate a nuisance nonparametric component, and the resulting profile empirical likelihood estimates are shown to be consistent and asymptotically normal. For the hypothesis test on disease association, we apply the approximate Bayes factor (ABF) which is computationally simple and most desirable in genome-wide association studies where hundreds of thousands to a million genetic markers are tested. We treat the approximate Bayes factor as a hybrid Bayes factor which replaces the full data by the maximum likelihood estimates of the parameters of interest in the full model and derive it under a general setting. The deviation from Hardy–Weinberg Equilibrium (HWE) is also taken into account and the ABF for HWE using cases is shown to provide evidence of association between a disease and a genetic marker. Simulation studies and an application are further provided to illustrate the utility of the proposed methodology.     

Mathematische aspekte zu einer methode zur numerischen bestimmung individueller thermodynamischer aktivitätskoeffizienten einzelner ionensorten in konzentrierten elektrolytlösungen

The mathematical problems of the – in an communication [3] described – principle for the calculation of individual thermodynamic activity coefficients of single ionic species in concentrated electrolyte solutions are specified. It is the Newtonian approximation method that makes possible the evaluation of the constants b ₁,…b ₄ in the concentration function (0.1) for the product of the activity coefficients.

The efficiency of the method is represented by the example of the activity coefficients of pure and of – with other electrolytes – mixed solutions of NaCIO₄. The individual activity coefficients of the single ionic species are evaluated for several electrolytes of the concentration range from m = 0 to m = 10 mole/kg and published at another place [3, 17, 18].     

储层建筑结构要素分析及在剩余油挖潜中应用

储层非均质性研究是油田开发后期剩余油挖潜、提高采收率的关键。以河流沉积学理论为指导、以现代沉积、露头调查为依据，利用密井网条件下丰富的测井资料和储层建筑结构层次分析方法对孤岛油田馆陶组上段储层进行了研究。研究认为，孤岛油田馆陶组上段储层可划分为十个层次，并将储层精细解剖到第七层次，识别出主河道、废弃河道、决口水道等七种建筑结构要素。在储层精细对比的基础上，总结出以单一河道砂体追溯为核心建立单砂体建筑结构模型的方法，并探讨了这种地质结构模型对于油田开发挖潜的重要意义。     

粗集与神经网络相结合的股票价格预测模型

粗集和神经网络结合反映了人类智能的定性和定量、清晰和隐含、串行和并行相互交叉混合的常规思维机理。本文建立这样一种混合杂交模型用于股票价格波动趋势的预测,通过粗集对数据的二维约简预处理消除了样本中的噪声和冗余,在提高神经网络预测精度的同时降低了学习负担。为了获得最优的预测精度,本文还利用遗传算法进行属性离散化和网络学习。通过对上证综指的实证研究表明,这种混合杂交模型的性能明显优于BP和GA神经网络模型。     

基于遗传算法的概率准则组合证券模拟求解

针对概率准则意义下的组合证券投资模型,采用随机模拟技术和遗传算法相结合的思 想, 设计出求解算法, 并用Matlab 语言实现. 求解算法适用于证券收益率服从任意分布的情 况, 甚至不考虑证券收益率分布, 用实际数据进行模拟和优化. 实例证明, 该算法有很好的 收敛性及较高的计算效率.     

试论新农村建设与城市化的协同发展

中国目前仍有8亿多的农村人口,建设新农村是一项重大的抉择。但中国的新农村建设是在中国现代化发展很不充分的情况下提出的。新农村建设与工业化、城市化或总体来讲的现代化是密切相关的,有其系统规定性。在研究“中国的社会主义新农村建设是什么”、“工业化、城市化和现代化的过程”、“中国大陆城市化的滞后及原因”的基础上,提出“协同新农村建设与城市化的构想”。     

求解作业车间调度问题的一种自适应遗传算法

针对作业车间调度问题,提出了最小化空闲时间的处理过程及其变异算子,设计了一种自适应遗传算法.该算法根据个体的特征确定交叉和变异次数,并根据种群特征不断修正种群.经典的调度基准问题测试表明:自适应措施能够有效保持种群的多样性,可以采用非常小的种群规模;最小化空闲时间的变异算子缩小了算法的搜索空间,大大提高了搜索效率.     

一种改进的遗传算法进化有限状态机

提出了一种改进的遗传算法,针对有限状态机中输出矢量与状态转移相关的特性,将配置有限状态机的染色体分解为状态转移基因和输出矢量基因进行分阶段的进化实验。实验结果表明同传统的进化算法相比,这种分阶段进化的遗传算法降低了有限状态机进化过程中的复杂度,有效地提高了进化性能。