您的位置： 专家智库 > >

苏洪全

作品数：6 被引量：1H指数：1
供职机构：大连海事大学更多>>
发文基金：国家自然科学基金更多>>
相关领域：自动化与计算机技术生物学电子电信更多>>

合作作者

文献类型

  • 3篇期刊文章
  • 2篇会议论文
  • 1篇学位论文

领域

  • 4篇自动化与计算...
  • 2篇生物学
  • 1篇电子电信

主题

  • 3篇神经网
  • 3篇神经网络
  • 3篇自组织
  • 3篇自组织神经网...
  • 3篇网络
  • 3篇基因
  • 2篇位点
  • 2篇基因表达
  • 2篇基因表达系列...
  • 2篇剪切位点
  • 2篇核函数
  • 1篇多分类支持向...
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇生物基因
  • 1篇主分量
  • 1篇主分量分析
  • 1篇自适
  • 1篇自适应
  • 1篇自适应方法

机构

  • 6篇大连海事大学

作者

  • 6篇苏洪全
  • 5篇朱义胜

传媒

  • 1篇计算机工程与...
  • 1篇大连海事大学...
  • 1篇生物信息学
  • 1篇中国第二十届...

年份

  • 1篇2011
  • 2篇2010
  • 2篇2009
  • 1篇2007
共 6 条 记 录，以下是 1-6
全选 清除 导出
排序方式：
基于改进的自组织神经网络的基因剪切位点的识别
2009年
为提高基因序列中剪切位点的识别率,将无先导卡尔曼滤波器(UKF)和自组织神经网络(SOFM)相结合,给出一种非线性高维数据的聚类算法。利用无先导变换(UT)参数化SOFM邻域宽度函数的均值和方差,并采用UKF进行预测,完成SOFM参数的自适应过程。该算法用于基因剪切位点的识别结果表明:较SOFM与EKF参数自适应方法,该算法识别精度较高,验证了其有效性和可行性。
苏洪全朱义胜
关键词：剪切位点
基于核主分量的基因表达系列分析
基因表达系列分析(Serial analysis of gene expression，SAGE)是分析全基因组表达模式的有力工具。SAGE数据具有维数高、数量大等特点，在模式识别和聚类分析前需降维。根据SAGE数据满足...
苏洪全朱义胜
关键词：基因表达系列分析POISSON分布核函数核主分量分析
利用Matlab设计Bessel滤波器存在的问题
本文分析了网络变换用于Bessel滤波器设计中对群时延特性带来的畸变,证明了Matlab中提供的的besself函数不适用于高通和带通Bessel滤波器设计。
苏洪全朱义胜
关键词：滤波器
文献传递
基于机器学习的生物基因剪切位点识别
生物信息学是分子生物学和计算机科学的交叉科学。生物信息学的工作是对不同领域的生物信息进行分析，包括核苷酸和氨基酸序列、蛋白质及其结构的分析、基因数据表达等。由于生物信息数据所具有的高维量大的特性，对用于生物信息的存储、检...
苏洪全
关键词：自组织神经网络生物基因剪切位点
基于多分类支持向量机的基因表达系列分析
2010年
基因表达系列分析(Serial analysis of gene expression,SAGE)是一种基因表达数据,反映了细胞内的动态变化。模式识别和可视化方法是分析SAGE数据的基本工具,但是由于缺乏描述数据的统计特性,传统的聚类分析技术不适用于SAGE数据的分析。本文提出了一种基于多分类和支持向量机的SAGE数据的分析法。经过对模拟数据和人类癌症SAGE数据的分析,基于径向基核函数的多分类支持向量机算法"一对一"(one-against-one,OAO)算法提供了比PoissonC和PoissonS更好的分类结果。
苏洪全朱义胜姜玉梅
关键词：基因表达系列分析支持向量机核函数
自组织神经网络的参数自适应方法被引量：1
2009年
自组织神经网络的主要目的是将任意维数的输入信号模式转变成为一维或二维的离散映射,并且以拓扑有序的方式自适应地实现这个过程。学习过程中,对邻域宽度函数和学习率函数参数是根据经验选择的,没有一定的规则或方法,因此,邻域保持映射的获得往往先于参数的学习过程。将线性Kalman滤波器和基于无先导变换的Kalman滤波器分别用于学习率函数和邻域宽度函数的预测,可以提高自组织神经网络的学习能力。改进后的算法可以根据输入数据自适应地调整邻域宽度函数和学习率函数。
苏洪全朱义胜
关键词：自组织神经网络
全选 清除 导出
共1页<1>
聚类工具0