基于多信息融合的长链非编码RNA的亚细胞定位预测

长链非编码RNA(lncRNA)的亚细胞位置信息对于了解其复杂的生物学功能和生物学过程具有重要的意义。建立了一个lncRNA的亚细胞定位数据集,包括细胞核、细胞质基质、核糖体和外泌体四个位置,提取了lncRNA的多种特征信息,并对各类特征进行了特征融合。在利用SMOTE(Synthetic Minority Oversampling Technique)方法对数据集进行平衡优化的基础上,采用支持向量机(SVM)算法对lncRNA的亚细胞定位进行分类预测。Jackknife检验结果显示总体预测成功率可达98.54%,表明所提取的特征信息对于lncRNA的亚细胞定位预测有很好的效果,可以为了解lncRNA的生物学功能提供帮助。     

基于多特征融合的细胞特异性lncRNA的亚细胞定位预测

长链非编码RNA(long non-coding RNA,lncRNA)在细胞生物学过程和疾病发展中扮演着关键性角色。由于lncRNA的亚细胞定位和其生物学功能密切相关,因此确定lncRNA的亚细胞定位具有重要意义。目前已有一些基于机器学习的方法来识别lncRNA的亚细胞位置,但在识别人类lncRNA的细胞特异性定位方面的相关工作仍然有限。该模型对人类细胞系lncRNA亚细胞定位问题进行了研究,提取了k-mer、CKSNAP、SRS和TSS特征信息,并对各类特征信息进行了融合,基于XGBoost和LightGBM结合的算法来预测人类细胞系lncRNA的亚细胞位置,并通过10倍交叉检验对模型进行了评估。结果表明,该模型预测人类细胞系lncRNA亚细胞定位的方法与现有的预测方法相比,预测成功率均有一定改进,其基准数据集的AUROC值最高达到92.26%。     

基于多信息融合的移动机器人定位算法

为了提高机器人的定位精度,提出了一种基于里程计、单目视觉与激光雷达信息相融合的自定位算法.首先,由里程计推算出机器人在各个时刻位置的估计值;其次,在不同时刻计算出机器人摄像头与任意两个环境特征点的夹角变化,通过激光雷达获得环境特征点的距离和角度并利用扩展卡尔曼滤波算法与里程计的定位信息进行融合;最后,由匹配的环境特征对机器人的位置进行修正,得到精确的位置估计.实验结果表明,该算法在多转角、长距离的情况下取得了满意的效果,有效地提高了定位精度.     

基于多传感器信息融合的移动机器人定位技术研究

移动机器人自身的定位问题是移动机器人在实际应用中首先会遇到的问题,是移动机器人完成各项任务的首要前提。为提高自制移动机器人的定位能力．设计了扩展卡尔曼滤波器对移动机器人装载的里程计、陀螺仪以及电子罗盘信息进行了信息融合。仿真研究结果缸明移动机器人的定位能力能得到一定的提高。     

一种基于最优局部信息融合的蛋白质-亚细胞定位预测方法

 基于蛋白质的合成及分选机制,提出了一种新的蛋白质亚细胞定位预测方法。先采用遍历搜索技术,找出各种亚细胞蛋白质序列分选信号和成熟蛋白质之间的最佳分割位点,把蛋白质序列分为两条子序列,计算这两条子序列中的氨基酸组份并将它们融合起来作为整条蛋白质序列的特征,然后构造用于识别每类蛋白质的最佳子分类器,再根据最大化原则组建集成分类器。在NNPSL数据集上,采用5重交叉验证方法对本文方法进行测试,原核和真核两个蛋白质序列子集分别取得94.1%和87.5%的总体预测精度。同时,此方法在一些蛋白质序列中找到的分割位点与真实生物现象相吻合,能为预测蛋白质序列的剪切位点提供参考信息。     

基于GPS的移动机器人多传感器定位信息融合

构建了基于GPS的移动机器人定位系统,利用多传感器数据自适应加权融合估计算法对GPS、方位传感器、光码盘的信息进行数据融合.通过实验证明,该系统在短距离、路面平整的条件下,具有较高的准确性和稳定性,能够满足移动机器人定位的需要.     

基于多源信息融合的管道机器人定位技术研究

提出了3种管道机器人定位方法,即基于视觉的CCD定位方法,加速度定位法,多里程轮定位法。在考虑到3种传感器的精度差异及运用范围的基础上,提出了定位技术融合理论,在该理论的基础上,给出了并行结构融合系统的最优分布式定位融合算法,验证了多传感器定位融合系统相比于单一传感器系统,定位性能有了明显提高,实现了机器人在管道中定位精度的提高。     

基于序列信息的长链非编码RNA的亚细胞多定位预测

长链非编码RNA(Long non-coding RNA,lncRNA)是指一类长度超过200个核苷酸、没有编码蛋白质的能力或编码蛋白质的能力极低的RNA分子,它与人类生命活动和多种疾病息息相关。有研究表明lncRNA的亚细胞定位可以为其功能研究提供重要的生物学信息。越来越多的实验数据证实,lncRNA具有多个位置标记,而现有算法大多集中在识别单个位置标记的lncRNA上。因此,为了识别lncRNA的亚细胞多定位,引入了k-mer核苷酸组成和序列顺序相关因子作为lncRNA的特征向量,采用方差分析(ANOVA)筛选出最优特征子集,基于支持向量机算法来预测lncRNA的亚细胞多定位问题。通过5折交叉检验对模型进行评估。结果表明,基准数据集和独立数据集的预测位置覆盖率分别达到87.22%和71.56%。     

基于多传感器信息融合的激光定位与跟踪

为了更精确实现远距离激光定位与跟踪,将十二个PIN硅光电二极管阵列探测器和一个带有光学系统的精密四象限探测器立体组合成独特的多传感器排列结构,并将空间测角基本理论与基于Bayesian决策原理的多传感器信息融合算法有机结合,实现自由空间中作用距离可达十千米的激光的粗精定位,利用激光的定位信息控制三维高精度转台的旋转实现精密跟踪。实践证明,在粗定位跟踪的基础上,精定位跟踪精度小于三个毫弧度。     

基于多源信息融合的飞行器高精度定位方法

导弹、卫星等飞行器的高精度定位问题,归结为多平台、多种类信息的融合处理.在多源信息融合处理中,各类信息加权的权值对融合结果的精度有重要影响.本文通过引入加权因子,研究了多源信息融合处理的加权与参数估计精度问题,得到了参数估计均方误差与权值的关系,证明了非线性模型的权值,不仅与测量误差的统计特性有关,还与模型的结构、样本量大小有关.计算结果表明,采用本文的加权方法,可显著提高导弹弹道参数估计精度.     

基于多特征融合的股票走势预测研究

为了更好地对股票走势进行预测,提出了一种在原有BiLSTM基础上引入注意力机制的股票预测模型,该模型不仅将股票交易数据作为模型输入,同时考虑到金融新闻对股价的影响.针对Reddit中苹果公司2010年到2018年间每日的新闻标题进行了研究,模型的输入特征来自于3部分：一是从文本数据中提取出的语义特征,二是股票的历史交易数据,三是从文本数据中提取出的情感特征,最后将上述输入特征融合到一起放入BiLSTM+Attention模型中进行训练,达到对股票的次日收盘价预测的效果.最终对5个模型进行对比实验,评价指标结果表明,提出的模型较其他模型相比预测效果更好.     

基于冗余超声波信息融合的绝对定位研究

针对现有超声波绝对定位方法不足及超声波传播的特点,提出了冗余超声波信息融合法(FMRUI).针对FMRUI中各个接收器波头延迟误差一致与不一致的情况分别提出了不同的误差修正策略,当各个接收器误差一致时通过一个统一的变量消除掉,当误差不一致时先修正到一致再统一消掉.FMRUI能很好地消除渡越时间误差,并能评价测量精度的高低.搭建了实验系统并用全方位移动机器人做了实验,实验结果证明FMRUI法是正确的,绝对定位精度有明显提高.     

基于多传感器信息融合的智能仪表研究

针对智能仪表多传感器系统中存在的信息处理复杂、不可靠等问题,提出了利用智能仪表中的多传感器信息资源,融合多传感器信息,提高智能仪表检测精度和可靠性的方法。结合矿井瓦斯监测、井下煤的自燃监测等实例,介绍了智能仪表中多传感器信息融合的模式,以及智能仪表研究设计中应注意的问题。将多传感器信息融合技术应用于智能仪表之中,可大大提高智能仪器仪表的精度、可靠性和容错能力。     

融合多传感器信息的移动机器人自定位方法

提出一种给定环境模型下移动机器人全局自定位算法,通过融合声纳传感器和视觉传感器的异质传感信息把具有多模态、鲁棒性强的Markov方法和单模态、高效准确的EKF方法组合应用并加以改进,来实现准确和快速的全局定位,同时提高位姿跟踪的准确性.Markov方法中位姿空间的低分辨率离散减小了存储需求,声纳感知模型对位姿空间分布进行初始化并提供了全局的位姿假设,视觉感知模型实现了位姿分布更新,而基于视觉特征的EKF方法则提高了定位的精度.实验结果验证了本方法的有效性.     

基于XGBoost模型的融合多特征微博信息传播预测方法

为了有效地监管网络舆情,辅助管理人员进行决策,微博信息传播预测方法的研究具有重要应用价值。针对传统微博信息传播预测方法存在指标单一、预测效果较差问题,提出一种基于XGBoost模型的融合多特征微博信息传播预测方法。首先,分析微博传播网络和用户节点特性,提取出博主特征、微博内容特征、传播特征3类特征并构建数据集;接着,基于XGBoost方法分别构建微博累计转发量预测模型和微博最大转发深度预测模型;最后,通过模型在测试数据集上的平均绝对误差验证模型的预测效果。通过与线性回归等传统的预测方法比较分析可以看出,提出的预测方法能够取得良好的预测效果。     

多传感器矩阵加权信息融合预测控制算法

针对多传感器线性离散时不变随机控制系统,应用Kalmam滤波方法,基于状态空间模型,在线性最小方差最优信息融合准则下,给出了多传感器按矩阵加权信息融合预测控制算法.该算法将信息融合Kalman滤波器和预测控制相结合,避免了求解复杂的Diophantine方程,可明显减轻计算负担.与单传感器情形相比,可显著提高控制精度.一个三传感器目标跟踪控制系统的仿真例子说明了算法的有效性和正确性.     

基于多信息融合的路面坡度识别研究

为了提高路面坡度角的识别精度,该文提出1种基于多信息融合的识别算法。分析纵向加速度对车身姿态的影响,并在Simulink中建立路面坡度识别模型。通过仿真分析得到车身纵向倾角与加速度的关系。利用拟合得到的修正系数对倾角传感器信号进行修正,然后与用坡度测量仪测得的真实角度进行对比分析。实车实验表明,该算法具有较强的抗干扰能力,能够准确识别当前路面坡度角,且波动范围小于±1.5°。     

基于一致理论的多源信息融合研究

为了确保多源信息融合结果的正确性，需根据信源的可靠性利用信源信息．以一致理论为理论基础，在算法中用可信度权值体现信源的可靠性，根据相应一致规则实现了信源信息的合理使用．经实验仿真证明，该融合方案是有效的．     

基于多传感器信息融合技术

笔者根据多年的跟踪研究,将多传感器信息融合作为一种信息处理技术来理解,阐述了信息融合的概念,融合的方式、方法,重点介绍了D-S证据理论和Bayes方法,并总结了信息融合存在的问题以及信息融合技术的研究发展方向。     

基于SVM的多传感器信息融合

针对现代工业生产采用大量不同传感器来监测和控制生产过程,被测量之间存在较大模糊关系,提出了一种基于SVM理论的多传感器信息融合方法.通过“对电弧炉炼钢供电曲线进行优化”表明,该方法对解决小样本、高维特征空间和不确定条件下的多传感器信息融合问题,具有较好的融合效果.