紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。     

黄石有线直播频道收视率数据分析与研究

本文介绍了黄石有线在高清互动平台运用大数据获取直播频道收视率的方法,并结合数据分析的手段,推断用户行为,发现内在规律,摸索观看习惯,从而对网络公司的市场营销和经营决策提供有价值的数据参考。     

业务支撑系统的建设及设计

文章主要业务支撑系统的设计、业务支撑系统重点建设内容这两方面介绍了题目,文章旨在与同行探讨学习,共同进步。     

以物联网技术驱动数字油田建设的思考

物联网自诞生以来,相关产业迅速发展,在现代工业、公共服务、家庭民生等领域全方位渗透发展,成为驱动产业发展、推动传统产业升级的重要动力。石油行业作为传统能源型企业,也急需实现数字化转型以提升生产效率、降低生产成本。作者认为数字油田的实现要素与物联网内在架构高度契合,数字油田建设完全可以搭上物联网的便车,实现跨越式发展,所以用好物联网技术对于促进石油行业转型升级、加快智能化数字油田建设具有重要意义。     

关于数字卫星广播电视信号监测方法的分析

广播电视有效结合了数字系统与卫星信号,进而为广大用户提供了高质量的广播电视节目。随着广播电视的发展,相应的广播电视信号监测也得到了广泛的关注与研究,主要是由于信号监测直接关系着电视的质量,因此,文章将对数字卫星广播电视信号监测方法进行分析,旨在提高信号监测的能力,保证信号运行的可靠性与安全性。     

对“数字信号处理”课程教学的探讨

目前,数字信号处理已经成为国内高校电气工程及其自动化、自动化等电气类专业的基础必修课。文章分析了学生在学习时遇到的问题,针对这些问题,提出了一些改进措施:对内容加以精炼、注重概念的理解,加强可视化教学以及适时的总结各知识的内在联系,在实践中取得了良好效果。