检索结果-南通市图书馆

蛋白质与RNA相互作用接口序列模式发现算法研究

在线全文

学校读者我要写书评

暂无评论

蛋白质与RNA相互作用接口序列模式发现算法研究

作者：刘新觅天津大学

学位级别：硕士

RNA绑定蛋白质（RNA binding proteins）在很多生物学过程起着重要作用，发现RNA在蛋白质上的绑定位点为了解这些过程提供了线索。尽管已有很多方法预测蛋白质与RNA相互作用点位，但正例预测准确性普遍较低。为此，本文提出一种在接口... 详细信息

RNA绑定蛋白质（RNA binding proteins）在很多生物学过程起着重要作用，发现RNA在蛋白质上的绑定位点为了解这些过程提供了线索。尽管已有很多方法预测蛋白质与RNA相互作用点位，但正例预测准确性普遍较低。为此，本文提出一种在接口密集区域寻找保守的序列模式算法，并从多种角度验证了序列模式的显著性。首先，本文设计并开发了蛋白质与RNA接口区域序列模式发现算法Sim-EISMD（Simple yet Efficient Interface Sequence Motif Discovery method），通过限制序列模式无效出现和对序列模式内部包含的接口数的控制来保证序列模式的接口富集性，而序列模式的保守性则是通过要求序列模式出现频率高于候选序列的平均出现来支撑的。该算法在普遍采用的接口预测数据集RBPs91上，发现了12种序列模式，其中9种的序列模式的长度为3，并且内部全部为接口氨基酸。3种序列模式的长度为4，内部至少包含三个接口氨基酸。为了验证序列模式的显著性，本文构造了20个与原有数据集RBPs91保持氨基酸和接口分布均相同的数据集。算法对这些数据集的检测结果表明，随机条件下出现次数超过两次的序列模式的平均个数为0.45，很少有出现次数超过2次。而真实的RBPs91中的个数是9，二者相差20倍。这表明Sim-EISMD发现的12序列模式并非是偶然的随机出现。最后，我们对序列模式的二级机构进行了分析，发现65%的符合12种序列模式的序列片段含有二级结构。在这些结构中，78%是α螺旋结构，32%是β折叠结构，因而，序列模式更倾向于α螺旋结构而不是β折叠结构。本文首次将序列模式发现算法应用到蛋白质与RNA相互作用接口区域，并统计学的角度验证了序列模式的显著性。同时，通过对序列模式所在二级结构的分析，发现预测的序列模式大部分含有二级结构，且倾向于α螺旋结构。并且，通过与常用序列模式算法MEME和Gibbs Motif Sampler比较，结果表明现有模式发现算法并不适合该类型的模式发现。

关键词：蛋白质-RNA相互作用接口序列模式发现显著性验证蛋白质二级结构

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于序列模式的Servlet容器缓存替换

软件学报 2007年第7期18卷 1592-1602页

作者：李洋张文博魏峻钟华黄涛中国科学院软件研究所软件工程技术中心中国科学院研究生院北京100049

Servlet缓存能够有效地提高Servlet容器的吞吐量,缩短用户请求的响应时间.然而,Servlet缓存的性能受到缓存替换算法的影响.Servlet容器中的Servlet对应着一定的业务功能,挖掘Servlet之间的业务关联来指导缓存替换算法的设计可以提高Serv... 详细信息

Servlet缓存能够有效地提高Servlet容器的吞吐量,缩短用户请求的响应时间.然而,Servlet缓存的性能受到缓存替换算法的影响.Servlet容器中的Servlet对应着一定的业务功能,挖掘Servlet之间的业务关联来指导缓存替换算法的设计可以提高Servlet缓存的命中率,进而提高Servlet容器的性能.然而,目前常见的LRU(least recently used),LFU(least frequently used),GDSF(greedy dual size frequency)等缓存替换算法均没有考虑上述问题.将Servlet对应的业务关联定义为Servlet容器序列模式,并提出k步可缓存转移概率图的概念加以表示,给出了序列模式发现算法KCTPG_Discovery.最后,基于Servlet容器序列模式设计了缓存替换算法KP-LRU(k-steps prediction least recently used)和KP-GDSF(k-steps prediction least frequently used).实验结果表明,KP-LRU与KP-GDSF算法比对应的LRU算法和GDSF算法具有更高的缓存命中率,有效地提高了Servlet容器的性能.

关键词： Servlet缓存序列模式序列模式发现缓存替换算法

在线全文

学校读者我要写书评

暂无评论

序列概念格模型及其序列模式挖掘

序列概念格模型及其序列模式挖掘

作者：徐涛扬州大学

学位级别：硕士

信息技术的日新月异使得各个领域的数据量激增,在此背景下诞生的知识发现和数据挖掘给人们提供了一种新的认识数据、理解数据的智能手段。序列模式发现是其中的一个重要研究课题,概念格是一种擅长描述层次关系的有效工具,因此,研究概念... 详细信息

信息技术的日新月异使得各个领域的数据量激增,在此背景下诞生的知识发现和数据挖掘给人们提供了一种新的认识数据、理解数据的智能手段。序列模式发现是其中的一个重要研究课题,概念格是一种擅长描述层次关系的有效工具,因此,研究概念格的基本理论以及将其应用于知识发现有着非常重要的意义。以概念格为工具来实现序列模式发现是当前数据挖掘领域的一个新的研究热点。本文对基于概念格的序列模式发现的方法展开研究。本文主要就此领域的相关问题展开系列研究,主要工作和创新点如下:详细讨论了序列模式的基本模型以及经典的发现方法,展现了序列模式发现研究领域的应用前景及所面临的挑战。综述了概念格的基本理论以及经典建格算法,并讨论了以概念格模型为核心来组织数据结构和算法以实现序列模式挖掘的基本方法和策略。提出了两种新的概念格的扩展模型,一种是以序列数据库中频繁项集为节点的基于兴趣度的序列概念格模型,并引入了序列的兴趣度,以方便在此基础上挖掘出用户感兴趣的序列模式。另一种是序列模糊概念格模型,它是把精确的序列数据库背景转化为模糊的序列形式背景,并定义了模糊序列概念的Galois闭包连接、序列模糊概念及序列模糊格结构,最后给出了序列模糊概念格的渐进式构造算法。由于传统的序列模式发现算法需要多次扫描数据库,因而时间开销较大,并且所挖掘出的所有的频繁序列整个过程缺乏针对性,时间代价高,结果数量巨大且难以理解。为解决此类问题我们提出两种基于概念格的序列模式发现算法,一种是基于兴趣度的序列概念格的最大序列模式挖掘,一种是基于序列模糊概念格的序列模式挖掘。通过实验表明,在序列概念格模型上可以方便有效地挖掘重要的序列模式,算法在时间与空间上都具有良好的性能。

关键词：序列模式发现数据挖掘形式概念分析概念格模糊概念

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于概念格的序列模式挖掘研究

基于概念格的序列模式挖掘研究

作者：周红鹃合肥工业大学

学位级别：硕士

序列模式发现是当前数据挖掘领域中有着广泛应用的重要研究课题。概念格是一种擅长描述层次关系的有效工具。以概念格为工具来实现序列模式发现,是当前数据挖掘领域的一个新的研究热点。本文对基于概念格的序列模式发现的方法和关键算... 详细信息

序列模式发现是当前数据挖掘领域中有着广泛应用的重要研究课题。概念格是一种擅长描述层次关系的有效工具。以概念格为工具来实现序列模式发现,是当前数据挖掘领域的一个新的研究热点。本文对基于概念格的序列模式发现的方法和关键算法作了研究,并将研究结果应用于高等院校大学生成绩数据的挖掘。论文的主要工作和创新点如下: 1.综述了序列模式发现和概念格的基本理论,论述了以概念格模型为核心来组织数据结构和算法以实现序列模式的挖掘的基本方法和策略。 2.研究了现有的概念格渐进式与批处理式构造算法,提出并实现了一个新的并行概念格构造算法PIFGCL。该方法利用渐进式概念格构造方法的重要性质,划分并行子任务,实现了概念格构造的并行化。 3.提出了两种新的概念格模型,以交易数据库中的频繁项集为结点构成的项格和以序列模式为结点构造的序格,并将其应用于序列模式发现。提出了基于项格的序列模式发现策略,并将序列模式发现的过程转化成了序格的构造过程。 4.提出了与课程无关的学生学业程度评价系统,给出了符合该评价系统标准的多种成绩制。引入成绩熵来衡量课程成绩的信息含量,以评估单个课程成绩在教育数据挖掘中的作用。 5.实现了针对大学生成绩数据的领域数据挖掘系统GMiner。

关键词：概念格序列模式发现数据挖掘大学生成绩

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种面向软件行为可信性的入侵检测方法

中国科学技术大学学报 2011年第7期41卷 626-635页

作者：王新志孙乐昌陆余良张旻电子工程学院安徽合肥230037

针对现有入侵检测方法的问题,面向软件行为可信需求,提出了一种新的静态检测方法.首先讨论并给出了软件行为可信性的定义和形式化描述,并以指令序列形式进行表示;然后,提出了检测方法和流程,通过数据挖掘方法对恶意软件和正常软件进行... 详细信息

针对现有入侵检测方法的问题,面向软件行为可信需求,提出了一种新的静态检测方法.首先讨论并给出了软件行为可信性的定义和形式化描述,并以指令序列形式进行表示;然后,提出了检测方法和流程,通过数据挖掘方法对恶意软件和正常软件进行行为知识发现,利用发现的行为知识对未知软件进行行为可信性判定;最后,对方法进行了实现,对一些行为模式使用选定的样本进行了实验验证.实验结果表明,该方法能够依据软件行为可信策略检测未知软件中的恶意行为,检测成功率高.

关键词：行为可信性入侵检测软件行为序列模式发现静态检测

一种针对特定车辆潜在群体的行驶轨迹预测方法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2014年第7期31卷 1951-1955页

作者：吴子珺于重重孙利民孙玉砚北京工商大学计算机与信息工程学院北京100048 中国科学院信息工程研究所北京100093

城市智能交通信息系统所产生的原始交通数据中存在有大量的可供城市道路安全管理使用的未知模式信息,为了有效利用这些数据,提出一种针对特定车辆潜在群体的行驶轨迹预测方法(SVPG-TP)。该方法主要利用所提出的特定车辆潜在群体搜索算... 详细信息

城市智能交通信息系统所产生的原始交通数据中存在有大量的可供城市道路安全管理使用的未知模式信息,为了有效利用这些数据,提出一种针对特定车辆潜在群体的行驶轨迹预测方法(SVPG-TP)。该方法主要利用所提出的特定车辆潜在群体搜索算法及序列模式发现与贝叶斯网络互补预测的方式,有效地解决了目前城市道路安全中最为关注的潜在群体发现以及行驶轨迹预测这两大问题。通过实验测试验证所提出的算法在城市道路安全管理中的有效性及实用性,并实现软件系统,为保障城市道路安全提供可靠的技术手段。

关键词：序列模式发现潜在群体轨迹预测贝叶斯网络

在线全文

学校读者我要写书评

暂无评论

多元时序上状态转移模式的三支漂移检测

计算机科学 2022年第4期49卷 144-151页

作者：沈少朋马洪江张智恒周相兵朱春满温佐承成都信息工程大学软件工程学院成都610225

多元时序数据上的无监督模式漂移检测是机器学习领域的一个研究热点。然而,对模式及其漂移现象的定义十分灵活,使得该任务的难度较高。受“三分而治”思想启发,文中提出了一种基于FUP-STAP增量挖掘的、针对带通配符区间的状态转移模式... 详细信息

多元时序数据上的无监督模式漂移检测是机器学习领域的一个研究热点。然而,对模式及其漂移现象的定义十分灵活,使得该任务的难度较高。受“三分而治”思想启发,文中提出了一种基于FUP-STAP增量挖掘的、针对带通配符区间的状态转移模式的三支漂移检测算法(Three-Way Drift Detection Method for State Transition pAttern with Periodic Wildcard Gaps,3WDD-STAP),它由状态转移模式(STAP)的增量算法改进而来。在不使用额外参数的情况下,3WDD-STAP可同时获得频繁的以及发生漂移的STAP。根据增量前后的支持度变化情况,模式漂移被定义为3类:I类漂移表示本来频繁的STAP在增量后变得不频繁,需扫描增量数据集;II类漂移表示本来不频繁的STAP在增量后变得频繁,需扫描原始数据集;III类漂移表示STAP在增量后维持了频繁或者不频繁,视为正常,不扫描数据集。在空气质量与石油工程设备监控两个真实数据上的实验结果表明:1)α和β的值越大,两类漂移模式的数量越少,反之亦然;2)I类漂移的STAP在不同数据集上服从不同分布;3)所得STAP模式及其漂移现象均有很强的可读性。

关键词：多元时序漂移监测三分而治序列模式发现增量学习

在线全文

学校读者我要写书评

暂无评论

基于数据挖掘的客户流失预测研究

基于数据挖掘的客户流失预测研究

作者：王芳西南师范大学

学位级别：硕士

经济的全球化导致行业的市场竞争日益激烈，信息时代的企业必须利用大量数据中隐含的知识才能抓住时机，提升核心竞争力。客户是企业至关重要的成功因素和利润来源。将数据挖掘技术应用于客户关系管理，能够为企业提供经营和决策... 详细信息

经济的全球化导致行业的市场竞争日益激烈，信息时代的企业必须利用大量数据中隐含的知识才能抓住时机，提升核心竞争力。客户是企业至关重要的成功因素和利润来源。将数据挖掘技术应用于客户关系管理，能够为企业提供经营和决策的量化依据，使企业更有效地利用有限的资源，拓展利润上升空间。客户流失预测和控制是当今所有企业面临的一大难题。大量而频繁的客户流失延长了企业利润回收的周期，给企业造成了巨大的损失。目前国内外对流失控制的研究一般是采取提供个性化服务、进行客户满意度和客户忠诚度分析的方法，这些方法的有效性很难验证，而且不能从根本上解决问题。本文将多种数据分析技术应用于客户流失研究，针对目前相关研究中存在的问题，给出了客户流失研究中涉及的主要问题的解决方案，包括客户描述、属性约简、流失模型发现、流失原因分析以及流失预测与控制策略等，重点解决其中流失模型的建立问题。客户流失模型是通过对流失客户的数据进行分析后得出的，包括基本模型和行为模型。对客户的基本数据实施关联规则挖掘，可以发现描述流失客户基本特征的关键属性集合。论文中采取的是一种能自动调节最小支持度的、受限的关联规则挖掘算法CAARM，该算法是在前人研究的基础上，作了一些调整和改善后得到的。客户流失的行为模型采用序列模式发现方法，识别出流失客户的典型行为序列，用作流失趋势的预测。论文对客户价值分析也作了初步的探讨，认为应将客户流失预测群体中价值较高的子群体作为市场策略的目标群体，并结合消费者心理学的有关知识对客户流失原因进行了简单的分析。最后给出了部分关键算法的详细描述和分析。

关键词：数据挖掘粗集客户关系管理客户描述属性约简关联规则挖掘序列模式发现客户流失模型