朱泽轩
- 作品数：42 被引量：87H指数：5
- 供职机构：深圳大学更多>>
- 发文基金：国家自然科学基金广东省自然科学基金深圳市科技计划项目更多>>
- 相关领域：自动化与计算机技术文化科学电子电信天文地球更多>>
- 高校党员教师帮扶学困生的研究与实践
- 2019年
- 学习困难学生是广大高校中普遍存在的一个群体,对这类学生的帮扶,有利于更好地落实"立德树人"的要求。高校党员教师通过对学习困难学生的帮扶,有利于更好地发挥党员在日常工作中的先锋模范作用。深圳大学计算机与软件学院党员教师通过多种形式积极帮扶学困生,将教学工作与党组织生活紧密结合,提升基层党支部组织力。
- 朱泽轩李炎然李延红梁正平
- 关键词：先锋模范作用立德树人
- 纳米孔测序原始信号数据压缩方法、装置、设备及介质
- 本发明提供了一种纳米孔测序原始信号数据压缩方法、装置、设备及介质，通过获取纳米孔测序文件，提取纳米孔测序文件中的数据集部分，提取第一数据集中的碱基序列数据，调用预设的SSDC压缩器结合提取出的碱基序列数据对第二数据集进行...
- 朱泽轩贺小天谢少辉刘凌孙怡雯
- 高通量DNA测序数据压缩研究进展被引量：4
- 2013年
- 针对高通量DNA测序技术发展产生的DNA测序数据量猛增,数据压缩技术是解决存储和传输高通量DNA序列数据问题的重要方法之一.评述DNA测序数据传统压缩方法包括替代法和统计法,以及基于参考基因组的高通量DNA测序数据压缩方法,介绍并比较重测序数据压缩、从头测序数据压缩、质量分数压缩和压缩数据检索的代表性算法,研究高通量DNA测序数据压缩面临的挑战及对未来的展望.
- 朱泽轩张永朋尤著宏姜亮纪震
- 关键词：DNA测序下一代测序从头测序高通量测序数据压缩算法
- 带约束小生境二进制粒子群优化的生物组学数据集成特征选择被引量：3
- 2016年
- 针对生物组学数据高维小样本的特点而引起的分类误差较大的问题,提出了一种带约束小生境二进制粒子群优化的集成特征选择方法。该方法利用二进制粒子群优化算法搜索分类准确率最高的特征子集,通过约束粒子编码的置位个数以限制选择特征个数,并加入多模优化中的小生境技术使算法能够一次获得多个差异度较大的特征子集,最后采用集成学习技术将基于多特征子集建立的基分类器集成为强分类器并对数据进行分类学习。实验结果表明,该特征选择方法在生物组学数据上能够稳定选择较少特征并获得较好分类性能。
- 杨峻山周家锐朱泽轩纪震
- 关键词：粒子群优化小生境
- 一种基于目标空间转换权重求和的超多目标进化算法被引量：1
- 2022年
- 权重求和是基于分解的超多目标进化算法中常用的方法,相比其他方法具有计算简单、搜索效率高等优点,但难以有效处理帕累托前沿面(Pareto optimal front,PF)为非凸型的问题.为充分发挥权重求和方法的优势,同时又能处理好PF为非凸型的问题,本文提出了一种基于目标空间转换权重求和的超多目标进化算法,简称NSGAIII-OSTWS.该算法的核心是将各种问题的PF转换为凸型曲面,再利用权重求和方法进行优化.具体地,首先利用预估PF的形状计算个体到预估PF的距离;然后,根据该距离值将个体映射到目标空间中预估凸型曲面与理想点之间的对应位置;最后,采用权重求和函数计算出映射后个体的适应值,据此实现对问题的进化优化.为验证NSGAIII-OSTWS的有效性,将NSGAIII-OSTWS与7个NSGAIII的变体,以及9个具有代表性的先进超多目标进化算法在WFG、DTLZ和LSMOP基准问题上进行对比,实验结果表明NSGAIII-OSTWS具备明显的竞争性能.
- 梁正平骆婷婷王志强朱泽轩朱泽轩
- 关键词：进化算法
- 蛋白质组学质谱数据的无损压缩方法、装置、设备及介质
- 本发明涉及数据压缩技术领域，揭露一种蛋白质组学质谱数据的无损压缩方法、装置、设备及介质，该方法包括：将蛋白质组学文件分类为元数据集及质谱数据集；从所述质谱数据集内截取目标截取数据集及尾数数据集；拟合目标截取数据集对应的质...
- 朱泽轩姚振孙怡雯
- 一种逐步聚合局部特征的点云上采样方法及装置
- 本发明公开了一种逐步聚合局部特征的点云上采样方法及装置，该方法包括：获取点云输入数据并输入至训练好的点云上采样模型中，对点云输入数据进行特征提取得到第n特征，同时计算点云输入数据中的第i近邻索引；根据预设目标倍率依次对第...
- 戴涛黄荣亮朱泽轩
- 一种序列比对文件碱基无损压缩方法、装置及电子设备
- 本发明涉及文件压缩技术领域，揭露了一种序列比对文件碱基无损压缩方法、装置以及电子设备，该方法包括：对预先获取的序列比对文件进行数据排序解析，得到排序种类以及排序种类对应的数据域信息组；根据数据域信息组对序列比对文件进行分...
- 朱泽轩李益民孙怡雯
- 基于存档和权值扩展的大规模多目标优化算法被引量：8
- 2022年
- 由于不同目标之间相互冲突且搜索空间巨大,现有大规模多目标优化算法的综合性能尚存在较大改进空间.为合理均衡算法的搜索效率与搜索质量,提升算法的综合性能,本文提出一种基于存档和权值扩展的大规模多目标优化算法(LSMOEA-AWE).该算法总体采用进化计算框架,基于大规模决策变量与小规模权值变量之间的问题转换进行求解.其核心是在进化过程中选取高质量代表性解及其对立点构建存档高效引导种群的进化方向,并引入权值扩展策略逐步扩大算法的搜索空间,在确保算法搜索效率的同时,提升搜索质量.为验证LSMOEA-AWE的有效性,将其与6个先进的大规模多目标优化算法在最新的大规模多目标基准测试问题集LSMOP上进行对比,实验结果表明LSMOEA-AWE对于大规模多目标优化问题的求解具有明显的竞争优势.
- 梁正平刘程王志强明仲朱泽轩
- 关键词：进化计算
- 基于剪枝堆栈泛化的离线数据驱动进化优化被引量：1
- 2023年
- 现实世界中存在很多目标函数的计算非常昂贵,甚至目标函数难以建模的复杂优化问题.常规优化方法在解决此类问题时要么无从入手,要么效率低下.离线数据驱动的进化优化方法不需对真实目标函数进行评估,跳出了传统优化方法的固铚,极大推动了昂贵优化问题和不可建模优化问题的求解.但离线数据驱动进化优化的效果严重依赖于所采用代理模型的质量.为提升离线数据驱动进化优化的性能,提出了一个基于剪枝堆栈泛化(Stacked generalization,SG)代理模型构建方法.具体而言,一方面基于异构的基学习器建立初级模型池,再采用学习方式对各初级模型进行组合,以提升代理模型的通用性和准确率.另一方面基于等级保护指标对初级模型进行剪枝,在提高初级模型集成效率的同时进一步提升最终代理模型的准确率,并更好地指导种群的搜索.为验证所提方法的有效性,与7个最新的离线数据驱动的进化优化算法在12个基准测试问题上进行对比,实验结果表明所提出的方法具有明显的优势.
- 梁正平黄锡均李燊钿王喜瑜朱泽轩
- 关键词：代理模型进化计算
