启动子的潜在语义索引差异识别算法

启动子是基因前面的一个短序列,定位启动子即能找到基因,因此启动子的识别具有重要意义.潜在语义索引差异模型（DLSI）能够扩大类间的差异,降低噪声的干扰,从而提高识别的精度.本文提出基于DLSI的启动子识别算法,利用潜在语义索引差异模型进行特征词选择,通过将样本变换到潜在语义空间中实现降维,建立了启动子-外显子、启动子-内含子分类器,把两分类器的串联结果作为最终的分类结果.实验验证了算法的有效性.     

基于DNA双链特征的启动子预测方法

真核启动子预测是DNA序列分析的重要问题之一.本文提出一个基于内容的新算法, 考虑DNA的双链特征,特征的出现频率用位置权矩阵表示,利用boosting算法进行训练和预测,得出的结果与其他算法相比,有很好的敏感性和特异性.     

基于拉普拉斯矩阵的DNA序列集相似性分析

研究两个序列集合之间相似性度量,提出基于拉普拉斯矩阵特征值的分离度概念和公式表示.基于人工序列和真实DNA序列上的实验结果,证实了分离度能够度量序列间的相似程度.     

基于深度学习的贝类目标定位与统计测量方法

提出了一种基于机器视觉和深度学习的贝类目标检测和统计测量方法。首先，设计了一种带有4个角点的平面容器，在检测到图像像素角点后，根据平面投影的单应性，建立其和实际物理角点的映射关系，可得到像素坐标转换为实际物理坐标的单应矩阵。其次，采用目标检测的方法得到目标的定位框，并根据得到的单应矩阵，可将定位框的像素坐标转换为实际测量坐标，从而得到目标的实际尺寸。实现的算法可以移植到手机等便携式设备上，根据随意拍摄的图像便可直接输出目标的平均直径，具有很好的便利性。实验结果表明，本方法能够客观地对目标尺寸进行测量和统计，有效地克服了人工测量统计速度慢效率低的不足。