检索结果-南通市图书馆

计算机工程与应用 2006年第8期42卷 46-49页

作者：黄海滨杨路明李绍华王建新中南大学信息科学与工程学院玉林师范学院数学与计算机科学系广西玉林537000 广东商学院计算机科学与技术系广州510320

DNA序列处理是生物计算非常重要的内容,但序列问题的规模往往很大因而很难直接求解。DCA(Divide-and-ConquerAlgorithm)因擅长于将一个难以直接解决的大规模问题分割成若干小规模问题以各个击破而在序列处理上有重要意义,文中主要从序... 详细信息

DNA序列处理是生物计算非常重要的内容,但序列问题的规模往往很大因而很难直接求解。DCA(Divide-and-ConquerAlgorithm)因擅长于将一个难以直接解决的大规模问题分割成若干小规模问题以各个击破而在序列处理上有重要意义,文中主要从序列比对及片段组装等方面阐述其应用。

关键词： DNA DCA 序列处理生物计算

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

融合时空注意力机制的P波到时拾取网络

引用

计算机工程与应用 2023年第6期59卷 113-124页

作者：李宇韩晓红张玲张海轩李钢太原理工大学大数据学院太原030000 太原理工大学软件学院太原030000 太原理工大学信息与计算机学院太原030000

针对现有地震到时拾取算法精度较低、鲁棒性较差等问题,设计了一种基于深度学习的地震P波到时拾取网络,该网络为编解码结构,可实现地震波形序列的逐点预测。网络编码器对输入数据进行多尺度特征提取与融合,提高特征利用率;利用多尺度残... 详细信息

针对现有地震到时拾取算法精度较低、鲁棒性较差等问题,设计了一种基于深度学习的地震P波到时拾取网络,该网络为编解码结构,可实现地震波形序列的逐点预测。网络编码器对输入数据进行多尺度特征提取与融合,提高特征利用率;利用多尺度残差结构深度挖掘数据中隐藏特征信息,提升模型非线性拟合能力;在解码网络中加入时空注意力机制,提高网络对到时特征的感知能力;提出深层编码特征融合模块,在保证特征完整性的同时有效避免融合特征过程中出现的特征序列污染问题。实验结果表明,提出的网络在0.1s、0.2s、0.3s三个误差阈值下,拾取命中率分别为75.04%、94.6%、97.37%,平均绝对误差和均方误差为0.092s、0.036,相比现有传统方法与深度学习到时拾取方法,具有更高的P波到时拾取精度。

关键词：震相到时拾取深度学习序列处理时空注意力特征融合

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于全局特征学习的挖矿流量检测方法

引用

信息网络安全 2024年第10期24卷 1506-1514页

作者：魏金侠黄玺章付豫豪李婧龙春中国科学院计算机网络信息中心北京100083 中国科学院大学计算机科学与技术学院北京100049

挖矿流量检测属于变长数据分类任务,现有的检测方案如关键字匹配、N-gram特征签名等基于局部特征的分类方法未能充分利用流量的全局特征。使用深度学习模型对挖矿流量进行建模,可以提取挖矿流量的全局特征,提高挖矿流量检测的准确率。... 详细信息

挖矿流量检测属于变长数据分类任务,现有的检测方案如关键字匹配、N-gram特征签名等基于局部特征的分类方法未能充分利用流量的全局特征。使用深度学习模型对挖矿流量进行建模,可以提取挖矿流量的全局特征,提高挖矿流量检测的准确率。文章提出的流量分类模型,使用Transformer编码器提取流量全局特征,然后使用序列总结器处理编码结果,获得用于分类的定长表示。由于挖矿样本在数据集中占比低于3%,使用准确率衡量模型的分类效果偏差较大,因此,文章综合考虑了模型的精确率和召回率,使用F1分数对模型的分类效果进行评估。在模型的编码器中使用正余弦位置编码可使模型在测试集上取得99.84%的F1分数,精确率达到100%。

关键词：挖矿木马流量分类深度学习序列处理

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

林木基因组进化与膜转运蛋白识别方法研究

林木基因组进化与膜转运蛋白识别方法研究

引用

作者：张子潇东北林业大学

学位级别：硕士

当今时代,生物信息学研究受到越来越多的关注,在生物信息学多个研究领域中,林木基因组是非常重要的研究方向之一。林木基因组在新一代高通量测序技术基础上,测序产生了海量的基因组数据信息。面对越来越多的基因数据,如何有效地从基因... 详细信息

当今时代,生物信息学研究受到越来越多的关注,在生物信息学多个研究领域中,林木基因组是非常重要的研究方向之一。林木基因组在新一代高通量测序技术基础上,测序产生了海量的基因组数据信息。面对越来越多的基因数据,如何有效地从基因序列中收集信息,从而解决生物学问题是当前热门的研究方向。本文在林木基因组已有的研究基础上,从基因组数据库中获取到多种林木基因组数据,完成基因序列处理,序列数据的序列比对和多序列比对等,基于基因组序列数据信息进行林木物种系统发育学研究,分析林木基因组的进化过程。本文的主要研究内容包括:（1）在当今林木基因组和系统发育研究基础上,从NCBI、Plant GDB、Pla Bi Database等常用的林木基因组数据库中,获取35种林木的基因组数据。统计和分析了基因组数据序列检测、序列比对等数据处理方法,采用基因数据处理方法对林木基因组数据进行处理,使用系统发育学方法研究林木基因组数据,根据多序列比对结果构建系统发育树,在遗传距离和同源性分析基础上研究林木基因组进化过程。（2）通过基因组研究分析了林木基因组进化差异。基因序列的差异表达会改变蛋白质功能结构,通过分析蛋白质序列差异研究基因序列差异以及基因组进化过程。本文提出了一种林木膜转运蛋白质识别方法FMP-SVM,提取蛋白序列的位置特异性矩阵,并从中获取特征数据,对特征数据进行处理,使用SVM-RFE-CBR算法对特征降维,选出最优特征子集,特征数据子集用于训练构建蛋白识别模型,并进行独立测试模型评估。本方法相较于其它分类方法,能有效地识别林木膜转运蛋白质。（3）在林木基因组研究的基础上搭建了林木基因组浏览器,用于林木基因组数据的管理与可视化,实现了基因组序列、基因组信息、序列比对结果等基因组信息的可视化,实现了可视化分析林木基因组信息,研究林木基因组进化。综上所述,本文主要通过系统发育学方法研究林木基因组进化间差异,分析林木基因组进化关系。提出了一种林木膜转运蛋白识别方法,基于蛋白差异分析基因序列差异,研究林木基因组进化。在以上研究基础上,搭建了林木基因组浏览器,展示基因组信息,可视化比较林木基因组进化间差异信息。

关键词：序列处理系统发育学机器学习蛋白识别基因组浏览器

来源：

同方学位论文库评论