数据整合方法构建大鼠分子调控网络

对大鼠的分子调控网络进行了系统化的建模分析和预测.选取了7类具有显著生物学含义的数据类型(证据),采用数据整合的方法对蛋白质-蛋白质相互作用(PPI)和蛋白质-DNA相互作用加以系统性分析,并利用支持向量机(SVM)预测大鼠全基因组的PPI和PDI.通过对阈值的设定,有效的控制假阳性率,预测结果与权威数据库BOND和MINT中的记录部分重合.实验结果表明数据整合方法可以弥补单一证据的局限性,提高预测的准确性,为后续的实验验证提供理论支持.     

传感器网络中异常数据实时检测算法

如何实时检测传感器网络中异常数据是一项非常重要的工作。通过对线性自回归的分析法,给出传感器数据流的预测模型及其预测机制。当预测出现失败时,给出了一种预测模型自动调整策略,以降低预测误差。基于该预测模型,提出了一种异常数据检测方法,通过计算当前时刻的预测误差与平均预测误差的比值,比较该比值与预先设定的阈值的大小,以检测该时刻数据是否为异常数据。基于该方法,提出了异常事件检测和数据压缩处理的算法。仿真结果验证了预测模型的正确性和有效性,表明该模型能够实时检测异常事件和压缩数据处理。     

桌面虚拟现实系统中数据手套的应用研究

在人机交互中数据手套的引入,能够充分发挥手在交互过程中的自然性。介绍了数据手套在虚拟环境中进行交互的过程。在变电所培训系统中实现了基于5DT Data Glove 5的人机交互操作,并设计了数据手套校准函数和校准步骤,设计了在VRT场景中用手势进行漫游的程序,利用VRT SDK编制了获取数据手套传感器测量值的程序。上述方法对于其它虚拟系统引入数据手套的设计将具有一定的启发作用。     

基于中心距离特征的人体运动序列关键帧提取

运动捕获数据的关键帧是原始运动序列的简洁表示,对于运动压缩、运动检索和运动分割起着重要的作用。提出了一种基于中心距离特征的人体运动捕获数据关键帧提取方法,通过提取四肢到中心点ROOT的距离,得到一组中心距离特征,将特征分为上肢和下肢来分别表示,并提取上下肢的距离模,得到二维的特征向量模;然后采用主成分分析得到一维特征,并提取其局部极值点作为初始关键帧;最后通过对初始关键帧的重新筛选与插入得到最终关键帧序列。实验结果表明,该方法提取的关键帧序列在视觉上能够很好的概括原始运动序列的内容,且具有高压缩率。