关于motif识别的一个更精确的混合模型

Bailey和Elkan（1994）提出了MEME算法进行motif识别．在这个算法中他们用一个二元混合模型来拟合生物序列．但是他们的模型不能准确的描述实际的情况．该文给出了一个多元混合模型,这个模型能更好的描述生物序列的实际情况,还讨论了在这个模型下用EM算法求参数的公式．     

生物序列模体发现的最优化模型

提出了生物序列模体发现的最优化模型,该模型适用于搜索资源(如计算时间)有限的情况,传统的模体发现方法可能在资源耗尽后仍不能得出任何结果.基于最优搜索理论给出了一种在有限的时间资源下的最优模体发现策略和算法实现,并得到了一些实验结果.     

基于GED的混合ARCH模型

提出了基于广义误差分布的混合自回归条件异"方差"模型,将时间序列尾部的特征融入到混合条件异"方差"模型的参数估计之中,发现模型中的指标r和数据本身尾部厚薄的性质有关.给出了该模型参数估计的EM算法,并利用BIC准则对模型进行定阶.     

基于独立的Gaussian与Beta有限维混合模型的聚类算法

对基于独立的Gaussian与Beta有限维混合模型的聚类算法进行了探讨与研究,并在此基础上提出一种新的聚类算法-BGMMn聚类算法,给出算法流程。通过数据模拟比较了四种聚类算法(BGMMn,BGMMs,BGMMa,BGMMh)对聚类数目估计的准确度,BGMMn算法的准确度优于其他3种聚类算法。     

基于高斯混合模型的视频对象分割算法

针对应用高斯混合模型（GMM）进行视频建模与分割时的模型选择及参数估计初值选择的难点，提出了一种基于GMM的视频对象分割算法．首先进行特征提取，在特征矢量中引入加权运动信息，可根据不同需要选择合理的加权系数，然后通过分割投影进行模型选择及期望最大化（EM）算法的参数初始化并估计参数，这种初值选择方案使得EM算法的初值和真实值较接近，加快了迭代运算的收敛速度，从而提高了视频对象的分割速度，最后对特征矢量进行聚类分割．仿真实验表明，在保持良好分割效果的同时，所提算法的运算速度约为常规方案的76％，并且具有良好的稳定性．     

二阶可加混料模型的R-最优设计

阐明了依据线性回归模型参数联合估计的矩形置信区域所提出的一类具有崭新应用价值的最优设计准则R最优设计准则,介绍了该准则的等价定理和性质·同时针对(q-1)维正规单纯形上的二阶可加混料模型,证明了其参数估计的R最优设计柱点为单纯形的顶点和边界中心点;随着q的增加,边界中心点逐渐由一维过渡到二维中心点     

基于混合模型的聚类算法研究

全面探讨了基于混合模型聚类算法的一般理论框架和聚类策略,介绍了国内外在该领域的最新研究现状,指出了该算法的局限性和存在的问题.     

单离子通道的隐马氏模型与状态的还原

对细胞膜单离子通道建立隐马氏模型，其中通道潜在的开关状态序列{xt}为马氏链，而膜片钳记录数据{xt}为依赖通道状态的正态分布。用EM算法估计模型中的转移概率以及正态分布的均数与方差等参数，并利用隐马氏模型的性质，用观察到的{Yt}来还原通道潜在的开关状态{Xt}。     

一种新的高斯混合模型参数估计算法

该文提出了一种高斯混合模型（GMM）参数估计的改进算法．原始的特征向量先经Schmidt正交化消除各维间的相关性,再用数学形态学方法估计出各维概率分布中混合分量的真实个数,最后按真实的混合分量个数用EM算法对各维分别作标量GMM参数估计．该方法能缓解GMM传统参数估计算法引起的“不易扩展”的不便．实验结果表明,将其应用于说话人辨认,能在较大幅度提高训练速度的基础上相对传统GMM参数估计方法获得更高的识别率．     

网络基序：生物网络的最小研究单位

 网络基序(network motif),是从生物网络中分解得到的最小研究单位,是构成生物网络的“砖块”,是系统生物学中最简单的研究对象。网络基序存在于各种生物网络中,具有信息处理的功能,通过理论和实验分析发现网络基序有重要的动力学功能。本文总结了网络基序的类型和功能研究方面的工作,包括转录网络中的基序(自我调节或者是反馈(负反馈(NAR)和正反馈(PAR)),正反馈环(FFL),单输入基序(SIM),多级输入基序(MIMs),链式调节子基序(Regulator Chain Motifs),多组分环基序(Multi-component Loop),桥基序和砖基序(Bridge and Brick motif)),信号转导网络中的基序和神经基序(神经元连接的样式),以及发掘和分析基序的数据库和工具。总结了基序的电路视角、进化以及对基序的反对意见,在应用方面,网络基序可能对合成生物学有重要的作用,最后对基序的研究工作提出了建议。网络基序可能是系统生物学的生物网络分析的初级形式,它为模块的分析和合成生物学提供了理论和实验的范本,网络基序需要用更多的网络,更多的在体实验分析,它的进一步发展可能会给生物网络理论带来重大的定则(principle)发现。     

基于混合模型的多搜索引擎融合

为提高组合检索系统的性能，提出一种基于混合模型的多搜索引擎融合方法．该方法利用高斯、指数密度函数分别描述相关、非相关文档的相关分值分布，用基于混合模型的算法规范化处理相关分值，估计非相关文档的相关分值，并进行分值合并．这样做既考虑到相关、非相关文档在分值分布上的差异，又考虑了用户对成员搜索引擎的性能评价．实验结果表明，利用该方法的平均查准率要比成员搜索引擎平均提高37．8％，也明显高于Sum-CombSUM、Sum-CombMNZ和Standard-CombSUM3种常用的融合方法。     

基于混合分布模型数据挖掘的研究进展

基于混合分布模型的数据挖掘和知识发现是近几年发展起来的方法,本文从其原理出发,介绍了该模型的发展及其在数据挖掘中的实现方法,并对未来的研究方向进行了展望,给出了若干值得研究的问题.     

基于惩罚距离的混合模型分量数自动估计算法

EM算法是对有限混合模型进行参数估计的通用算法, 然而标准EM算法中所需的混合模型分量数实际上往往是未知的. 研究并改进了一种采用惩罚性最小匹配距离估计分量数的方法, 结合贪婪EM算法框架, 提出一种可以在进行参数估计的同时, 快速准确地自动估计高斯混合模型分量数的算法. 通过一元和二元的高斯混合模型的仿真实验, 验证了算法的有效性. 关键词：有限混合模型; 分量数; 惩罚性最小匹配距离; 贪婪EM; Parzen窗; 带宽     

基于混合Gauss模型的鲁棒性人脸识别算法

针对人脸图像受表情、光照、角度变化等因素影响,传统算法难以获得较理想的人脸识别结果问题,提出一种基于混合Gauss模型的鲁棒人脸识别算法.先将每副图像划分成子块,提取其方向梯度直方图特征,并加入子块相应的空间位置信息产生人脸图像的局部特征向量;再采用全部图像的局部特征向量训练混合Gauss模型生成人脸特征向量;最后采用最小二乘支持向量机建立人脸识别分类器,实现人脸匹配与识别.采用ORL,Yale和CIGIT人脸库进行仿真对比测试,仿真结果表明,该算法的人脸识别率高于其他人脸识别算法,对光照、角度、表情等有较强的鲁棒性,且可以获得更快的人脸识别速度.     

一类混合正态分布参数估计的EM算法和数据扩张

从解析的角度得到混合正态分布参数的ML估计是很困难的.通过引入“缺失数据”,利用Little和Schluchter（1985）提出的处理分类和连续数据的方法,给出具有相同协方差阵的混合正态分布参数估计的EM算法和数据扩张算法.     

基于自适应混合高斯模型的运动目标检测

研究视频监控系统中序列图像的运动目标检测问题。传统的目标检测方法无法克服背景图像变化、场景光线突变等问题。采用混合高斯分布对背景进行建模,并根据输入的当前帧图像的像素信息进行背景模型更新,能够准确地检测出运动目标。通过相关仿真实验,验证该方法具有一定的可靠性。     

异亮氨酸拉链结构对可溶性CD40L生物学活性的影响

CD40配基(CD40L)为TNF超家族中的一员，瞬时表达于激活的CD4^ 的T淋巴细胞上．自然状态下膜上三聚体的CD40L通过和CD40受体(CD40R)结合，在免疫监视和肿瘤免疫中发挥作用．以PCR方法从peDNA3-CD40L质粒上扩增得到编码CD40L基因的胞外部分sCD40L，并将该片段插入大肠杆菌表达质粒pET30a上，构建得到大肠杆菌表达质粒pET30a-sCD40L；同时，在sCD40L的N端融合了异亮氨酸拉链(Isoleucine Zipper，IZ)结构，构建得到表达质粒pET30a-IZ-sCD40L．表达质粒在大肠杆菌中表达，得到可溶性的重组人CD40L和IZ-CD40L．SDS-PAGE分析结果表明重组人rhsCD40L和IZ-rhsCD40L在相应分子质量位置都有明显的条带产生，并得到Western blotting的确认．非SDS-PAGE电泳结果显示，异亮氨酸拉链结构有利于rhsCD40L蛋白形成聚合体结构．B细胞增殖实验和人骨髓瘤细胞株XG2凋亡实验结果都表明，异亮氨酸拉链结构提高了rhsCD40L的生物学活性．     

基于自适应混合高斯模型的前景目标检测

在计算机视觉研究中,从视频序列中提取出前景目标是关键步骤之一。而混合高斯背景模型是前景目标检测的一种常用算法。针对传统混合高斯建模过程中分别对每个像素建立固定个数的高斯模型和相同的学习率这一缺陷,本文先对视频帧进行了分块处理,然后自适应的对每个像素块采取不同的高斯分布个数和学习率,并且在建模过程的不同时间段采用不同的学习率,最后对检测结果在空域上进行数学形态学的处理。实验结果表明,与传统检测方法相比,该方法能够更加准确和快速地检测出前景目标。     

混合广义指数分布的参数估计

介绍了混合广义指数分布的失效模型,并运用EM算法给出了模型在完全数据情形下的参数估计方法,最后用数值例子说明了EM算法对本文模型的有效性.     

基于自适应高斯混合模型的图像稳定方法

提出了一种基于自适应高斯混合模型(Gaussian mixture model)的运动滤波器的图像稳定方法.首先采用多分辨力金字塔技术,通过特征跟踪进行运动估计;然后分析前n帧图像的统计特征,求取GMM参数;最后利用GMM运动滤波器对运动参数进行滤波,输出稳定的图像序列.实验结果表明,该方法对于图像的不规则运动的参数补偿是有效的,并且可以实现实时处理.