双特征参数基因识别算法实现

基因识别问题首要的工作是对数字化后的基因序列利用离散傅里叶变换(DFT)进行频谱分析.对于很长的DNA序列,功率谱或信噪比计算量很大,推导出了DNA序列在Voss映射、Z-curve映射和实数映射下的信噪比快速算法,以及在Voss映射与Z-curve映射下的信噪比的关系.针对阈值确定的问题提出了基于滑动窗口的局部阈值的算法,在分类时达到了很好的效果.另外,实现了基于移动序列信噪比曲线的基因识别方法.最后,由于DNA序列的3-周期性实际上反映了核苷酸在基因序列的三个子序列上分布的"非均衡性",因此引入"方差均值"特征来衡量该非均衡性,提出了基于方差均值的单因素基因识别方法及以信噪比和方差均值作为特征向量,并设计多项式分类器的基因识别算法.     

基于Hash建立索引和Kmp快速匹配算法的DNA序列查找方法

研究了DNA序列片段的查找问题,针对DNA数据量大和DNA序列碱基排列的特点提出了DNA序列检索的问题.在对DNA序列检索中,基于Hash建立了索引表以提高在大数据中检索的速度和效率,同时在平衡树的数据存储模型上使用了改进的Kmp快速匹配算法,提高了在索引上的检索效率.介绍了Hash索引的建立、Kmp的优化以及平衡树的再平衡.利用软件评估实验得出的实验结果表明了该算法的有效性.     

SNR快速算法及基因阈值确定

在很长的DNA序列中,DFT的大量运算会影响基因识别的效率,对此提出了在Voss映射下仅依赖于碱基在三种不同位置上出现频率的信噪比计算公式,推导发现在Voss与Z-curve映射下其频谱之间存在4倍缩放关系,仿真实验验证了此结果.针对阈值判别的主观性和经验性等缺陷,运用仿真实验方法确定不同类基因的阈值.从敏感性、特异性和精确度三方面对不同阈值下的测试结果进行了评估.同时提出了基于Bootstrap重复抽样的基因最优阈值算法,对不同类基因的最优阈值进行了预测,其中人和鼠类的最优阈值为1.930,并分析了算法的有效性和可行性,其精确度达到了92.8%.     

基于谱分析的DNA序列识别算法研究

对基于谱分析的DNA序列识别中相关问题建立了数学模型,并进行了计算及结果分析.提出了一种基于频数二次型的功率谱快速算法和基于帕斯瓦尔定理的信噪比快速算法,建立了基于模糊逻辑的自适应阈值模型,提出了基于重复序列的边界搜索算法,最后利用谱分析对基因突变中的伪鞍部进行了识别.     

基于主成分和Fisher判别的DNA序列分类方法北大核心

统计DNA序列中64种包含3个碱基字符串的频率,基于生物学知识,以此作为区分不同类别DNA序列的特征.对此频率数据使用主成分分析和Fisher判别两种方法进行数据降维操作,根据降维后的数据建立距离判别模型,用训练样本回判,检验模型判别效果,最后对未知类别序列进行判别归类,比较分类结果.     

基于主成分和Fisher判别的DNA序列分类方法

统计DNA序列中64种包含3个碱基字符串的频率,基于生物学知识,以此作为区分不同类别DNA序列的特征.对此频率数据使用主成分分析和Fisher判别两种方法进行数据降维操作,根据降维后的数据建立距离判别模型,用训练样本回判,检验模型判别效果,最后对未知类别序列进行判别归类,比较分类结果.     

基于小波变换和改进萤火虫算法优化极限学习机的短期负荷预测

提出了一种基于小波变换和改进萤火虫优化极限学习机的短期负荷预测方法.通过小波分解和重构,对原始负荷序列进行降噪;在模型训练阶段利用改进的萤火虫算法优化极限学习机参数,获得各序列的最优模型;针对各子序列分别预测叠加得到最终预测值.通过在两种时间尺度的数据序列上进行数值计算,与传统的ARMA、BP神经网络、支持向量机及LSSVM等多种经典预测模型相比,模型预测效果更优.     

多变点检测问题的Shape-based BS算法

BS算法是时间序列多变点检测中最经典的算法之一,但是基于全局CUSUM统计量的识别过程会带来过多误判和较高的时间复杂度.BS算法是一种离线的序贯方法,因此没有充分利用数据的时序信息;另一方面,BS算法识别变点的原则是CUSUM统计量最大化,也没有考虑统计量构成序列的形态特性.鉴于此,提出一种基于局部形态识别的BS改进算法,命名为Shape-based BS算法.基于局部形态识别统计量,不仅大大降低计算复杂度,且降低了因变点间的互相干扰而带来的误判率,进而提升变点识别的稳健性.最后,将此算法应用到了电力系统的"场景压缩"问题上,具有满意的实用效果.     

基于卫星云图的风矢场(云导风)度量模型与算法探讨

对通过卫星云图来识别移动云块、计算风矢的问题进行了探讨.采用以点法式平面方程为核心的空间曲面方程组,实现了视场坐标变换;结合相邻帧差、中值滤波、阈值截取三种方法对卫星云图进行预处理,获得了云块分布;建立了滑动搜索图像匹配模型,并从数据挖掘以及图像特征的角度出发,设计了基于数据和基于统计参数这两种自适应算法,对匹配窗口大小、搜索范围进行优化;最后,为模型的继续改进提出了建议.     

飞秒电子学全息选通透过散射介质成象技术中的图象处理 *

针对飞秒电子学全息选通透过散射介质成象技术 ,提出了一套图象处理算法 .算法分 3个阶段进行 ,首先对每一幅全息图进行预处理 ,增强其对比度 ;其次 ,对全息图频谱滤波后得到的一级有用频谱 ,进行低通滤波处理 ,这样可以滤掉高频噪声 ;最后 ,对再现得到的多幅再现象 ,进行强度叠加平均处理 ,平滑随机噪声 ,有利于抑制散斑噪声 .实践表明 ,3个阶段的处理对改善图象质量都有明显的效果 .