排序方式: 共有12条查询结果,搜索用时 15 毫秒
2.
3.
4.
5.
6.
7.
文[1]采用了一种基于动态模型的聚类算法,将时序基因表达数据作为一组时间序列进行动态的聚类分析,得到了较为理想的聚类结果。对上述算法在数据初始化方面进行了合理改进,并利用贝叶斯理论对数据的联合概率分布进行了重新分析。实验表明,提出的改进算法所得聚类结果明显优于原算法所得结果。 相似文献
8.
与传统的硬划分聚类相比,模糊聚类算法(以FCM为例)对数据的比例变化具有鲁棒性,能够更准确地反映数据点与类中心的实际关系,目前已得到广泛应用.然而对于时序基因表达数据来说,传统的聚类算法往往不能充分利用到数据中时间上的动态关联信息.因此可以在模糊聚类算法的基础上引入自回归(AR)模型,将时序基因表达数据作为一组时间序列进行动态的聚类分析.这样不仅可以充分利用到时序基因表达数据的内部自相关性,并且可以进一步利用隶属度函数对AR模型的预测过程进行模糊化调整,从而得到更为理想的聚类结果. 相似文献
9.
保守氨基酸残基在生物进化过程中具有较强的稳定性,一般不会发生太大的变化;生物信息学认为:氨基酸序列决定蛋白质结构,蛋白质结构决定蛋白质功能。因此,作者基于氨基酸的生化特性、几何特性和动态特性描述了一个新颖的算法去发现蛋白酶家族中的保守氨基酸残基,而保守氨基酸残基将对蛋白质的结构和功能的研究具有重要的意义。 相似文献
10.
重构基因调控网络有助于探索生命系统的本质问题。线性组合模型以其形式简单和易于求解的特点被成功应用于基因网络的重构过程中。作者针对线性组合模型只考虑了基因之间的线性调控关系的缺陷,引入了能量因子的概念,从而使得模型具备了分析基因间的非线性调控关系的特性。将模型应用于大肠杆菌(Escherichia coli)的SOS DNA修复过程中,实验证明:该模型能较好地拟合大肠杆菌的SOS DNA修复过程,进一步提高了调控网络的构建精度。 相似文献