一种基于亲疏水性的替代矩阵

主要利用蛋白质统计信息和氨基酸与疏水级映射关系,提出一种基于亲疏水性的替代矩阵HB62,解决蛋白质疏水级序列相似性计算问题.采用CB513数据集,分别利用Blosum62和HB62计算蛋白质间的相似程度,结果显示,两种方法计算结果具有一致性,验证了HB62的正确性与有效性.HB62的设计,极大地简化了蛋白质疏水级序列相似性计算问题,有效地降低预测算法复杂度,提高预测准确率,推动蛋白质亲疏水性的相关理论的发展.     

基于Hamilton路模型的蛋白质结构预测的研究

提出一种基于Hamilton路模型的新方法研究蛋白质结构预测问题,为使结构匹配序列,把已知蛋白质的3D结构信息转化为一个加权的完全图Kn,则求这个特定空间结构所匹配的氨基酸残基序列问题转化为求Kn图的最小H路问题.用此方法研究了72个单链蛋白质结构,结果表明Kn图的最小H路对应此蛋白质的序列,图的顶点数n与最小H路总长度成正比.     

改进的自组织映射(SOM)蛋白质折叠算法和计算实现

蛋白质结构预测是生物信息学中的重要研究方向．为了研究蛋白质折叠的机理,人们引入了只考虑蛋白质疏水核心和亲水外围位置导致能量差别的简化HP模型．即使是求解二维HP模型已被证明是一个NP完全问题,因此需要设计有效的近似算法来求解较大规模的HP模型．从旅行商问题(TSP)的求解看,自组织映射是构造近似算法的有效工具．本文将归一化的F-W自组织模型应用到蛋白质二维HP问题的求解中,结合为克服多重映射构造的局部线搜索算法．数值试验表明,该算法改进了现有的HP模型的SOM求解算法, 只需很少的迭代步数就能找到最低能量构象．这一改进算法可以成为进一步研究的基础．     

基于CEEMD与GA-SVR的猪肉价格集成预测模型

为提高猪肉价格预测的准确性,结合互补集合经验模态分解(CEEMD)的分解能力和基于遗传算法的支持向量回归(GA-SVR)的自适应预测功能,构建猪肉价格集成预测模型.首先为解决猪肉价格的复杂波动特征,通过CEEMD对猪肉价格分解得到本征模态函数(IMF)序列集;然后使用排序熵(PE)对IMF序列进行复杂度分析,进一步使用快速傅里叶变换方法(FFT)分解复杂度高的序列;再利用灰色关联度(GCD)对IMF序列集进行关联性分析,聚合相似IMF序列;最后基于各IMF序列的数据特征构建相应的GA-SVR预测模型,并将子序列的预测结果集成获得最终价格预测值.以中国集贸市场的猪肉价格为研究对象,实证结果表明,该集成预测模型在预测精度和方向性指标上,显著优于其他单预测模型和分解集成预测模型.     

蛋白质结构的主成分分析及氧链糖基化位点的人工神经网络预测

糖基化是蛋白质翻译后修饰的重要形式之一,氧链糖基化是糖基化的一种主要类型,对蛋白质氧链糖基化位点进行预测具有重要的意义.以窗口长度为41的蛋白质序列为研究对象,采用稀疏编码,利用主成分分析法研究了氧链糖基化蛋白质序列的结构特点;在提取主成分的基础上,设计了一个含单隐层的BP神经网络(256—8—4),对蛋白质氧链糖基化位点进行预测,把蛋白质序列分为4类;并同直接用BP神经网络分类的结果相比较,实验结果证明提出的方法省时,准确,预测的准确率达80~90%.     

基于一种新的信息离散性度量方法的同源寡聚蛋白质分类

用一种新的信息离散性度量方法,即Function of Degree of Disagreement(FDOD),从蛋白质原始序列出发区分同源二聚体、同源三聚体、同源四聚体和同源六聚体.该方法用蛋白质原始序列的子序列分布来描述氨基酸序列,从而充分考虑了蛋白质序列的信息.随着子序列长度的增加,两个数据集上自检验和jack-knife检验的各个分类指标都有快速增加的趋势,实验表明残基顺序对同源寡聚蛋白质的识别起重要作用,FDOD方法是同源寡聚蛋白质分类的简单而有效的工具.这也进一步证实了蛋白质原始序列包含着四级结构信息.     

免疫算法在蛋白质折叠模拟中的应用

利用免疫算法．结合非格模型．对于长度为12～20的氨基酸序列的折叠进行预测，并与标准的遗传算法和模拟退火算法进行对比，该算法有更强的全局搜索能力，对减轻遗传算法后期波动性有明显效果，同时使收敛的速度有所提高．     

利用提升小波的蛋白质相互作用特征提取

利用提升小波从蛋白质序列中提取出它们相互作用的频谱特征,经支持向量机训练学习后,用于预测蛋白质间的相互作用.模拟计算结果表明,在阳性数据和阴性数据平衡的前提下,利用提升小波获取的低维蛋白质相互作用特征向量可以得到较高预测精度.进一步阐述了不同物种的蛋白质相互作用网络有着不同特征,为了得到更准确的预测结果,需要利用不同的方法提取蛋白质相互作用的特征.     

基于中心极限定理的信源序列的霍夫曼编码方法

借助中心极限定理,提出一种限失真霍夫曼编码方法.首先对信源扩展序列自信息量采用标准化,并定义其为标准信息量.根据中心极限定理,提出一类α-经典序列.然后将其作为编码序列进行霍夫曼编码.接着证明了α-经典序列霍夫曼编码具有较高的编码效率、较低的编码复杂度等一系列良好的性质.最后文中通过实例对扩展信源和其α-经典序列两种编码进行了比较,验证了上述结论.     

短基因编码序列识别及基因突变检测问题研究

基于频谱分析的基因预测方法普遍有一个缺点就是对短编码序列识别效果不佳,采用多参数Z-curve方法,再运用Fisher线性判别法对短编码序列(<100bp)进行预测,并进行了仿真验证.接着对基因突变问题采用频谱和信噪比分析方法的可行性进行了研究.     

一种基于能量的RNA二级结构预测的动态划分算法

预测单链RNA分子序列的二级结构是计算生物学中的一个重要内容.本文基于RNA分子结构的稳定性原理.提出了一种预测RNA二级结构的新算法——基于能量的动态划分算法.该算法的空间复杂度仅为O(n),时间复杂度近似为O(n2·logn),且预测结构有较好的精度.     

非平稳时间序列分析的WAVELET—改进GM(1,1)组合方法及其应用

提出非平稳时间序列分析的WAVELET—改进GM(1,1)组合方法.首先利用Mallat算法对非平稳时间序列进行小波分解;然后采用能量阈值选择策略对高频系数进行处理,并将其与低频系数进行小波重构;最后运用改进的GM(1,1)方法预测.该方法不仅能充分拟合低频信息,而且可避免对高频信息的过拟合.实验结果证明,该方法比传统的非平稳时间序列预测方法具有更高的预测精度.     

现代优化计算方法在蛋白质结构预测中的应用

现代优化计算方法在蛋白质结构预测中占有重要地位.简要地介绍了模拟退火算法,遗传算法,人工神经网络和图论算法在蛋白质结构预测中的应用.对国内外近年来应用这些算法,特别是在蛋白质构象搜索问题中,解决蛋白质结构预测的研究作了回顾,并分析、比较了这几种算法的效果和特点.     

基于部分数据缓冲的GM(1,1)模型预测精度研究

根据灰色系统理论中新信息优先利用原理,在对缓冲算子和数据灰色序∥生成研究的基础上,借用计量经济学虚拟变量的思想,构造一类利用缓冲算子对单调数列部分数据进行灰色序列生成的新方法,有效解决了冲击扰动数据序列在建模预测过程中常常出现的定量预测结果与定性分析结论不符的问题,实例分析表明,这类新的方法能显著提高GM(1,1)模型的预测精度.     

基于ARIMA和LSSVM的非线性集成预测模型

针对复杂时间序列预测困难的问题,在综合考虑线性与非线性复合特征的基础上,提出一种基于ARIMA和最小二乘支持向量机(LSSVM)的非线性集成预测方法.首先采用ARIMA模型进行时间序列线性趋势建模,并为LSSVM建模确定输入阶数;接着根据确定的输入阶数进行时间序列样本重构,采用LSSVM模型进行时间序列非线性特征建模;最后采用基于LSSVM的非线性集成技术形成一个综合的预测结果.将该方法用于中国GDP预测取得的结果,与单独预测方法及流行的其他集成预测方法相比,预测精度有了较大的提高,从而验证了方法的有效性和可行性.     

基于加倍周期序列的因子结构的研究

首先研究了加倍周期序列的奇异词,进而得到序列的奇异分解.然后通过研究该序列的特殊诃和因子性质及结构,得到复杂度的新的计算方法.最后探讨了加倍周期序列的局部同态问题.     

基于变结构协整理论的保费预测模型

提出了一种基于变结构协整理论的保费预测建模新方法,所建模型反映了保费和GDP之间的长期静态和短期动态波动的均衡关系.通过确定时间序列突变点,并利用突变点信息提高模型的预测精度,避免了传统的保费预测中经常存在的虚假回归问题.采用该方法对中国年度保费进行了预测分析,结果表明了该方法的有效性.     

L~2[0,1]上的正交小波基

从尺度因子 M =4的正交小波基出发 ,利用折叠方法得到了 L 2 [0 ,1 ]空间的正交小波基 .这种小波不同于折叠前的小波基 ,它是完全限制在有限区间 [0 ,1 ]上 ,且保持小波基的正交性 ,并在使用过程中拥有更大的灵活性 .也可用类似方法对一般尺度小波进行折叠     

故障折叠超立方体中的路和圈

本文研究了含故障点的n-维折叠超立方体FQn中的路和圈嵌入的问题,分析了折叠超立方体网络的潜在特性.利用了构造的方法,得到了含2n-3个故障点的折叠超立方体FQn中含长为2n-2f的圈的结论,推广了折叠超立方体网络中1-点容错圈嵌入的结果.     

平面图形的折叠

这里所说的折叠问题是指把平面图形折叠成空间图形的问题,由于折叠条件不同,就产生不同的空间图形．组成的空间图形,各元素之间的位置关系也就不同．因此,研究折叠问题,对树立运动变化的思想和从运动变化的思想去认识空间图形,从而提高分析空间图形的能力有很大的帮助．同时,解析折叠问题对沟通三种几何（平几、立几、解几）以及几何与代数、三角的联系也有重要的作用．