多组学数据整合分析和应用研究综述

随着组学新测序技术的不断涌现和推广,产生了大量的组学数据,这些数据对人们深入研究和揭示生命奥秘有着极重要的意义。利用多组学数据整合技术分析生命科学问题可获得更丰富更全面的生命系统相关信息,已成为研究者探索生命机制的新方向。介绍了多组学数据整合分析的研究背景和研究意义,综述了近年来多组学数据整合分析的方法和相关领域的应用研究,探讨了多组学数据整合分析方法当前所存在的问题以及未来展望。     

三维非负矩阵因子分解代谢组学数据解析

多维数据解析方法越来越引起人们的重视,非负矩阵因子分解算法已较广泛地用于图像分析。基于PARAFAC模型,将非负矩阵因子分解算法拓展为三维非负矩阵因子分解算法(three dimension non-negative matrix factorization,NMF3)。其原理简明,算法易于执行。与基于向量计算的其他三维化学计量学算法不同,NMF3基于矩阵计算单个元素,所以不必将三维数据平铺处理,就可直接解析,为三维数据解析研究提供了一种全新的思路和方法。应用NMF3解析模拟三维数据和代谢组学数据,结果令人满意。     

多属性多关联的工程图学试题库与多路径智能组卷系统研究

针对面向多种专业工程图学类课程考试与评价的试题库建设需求,提出一种自底向 上的工程图学试题库建设方案,从工程图学试题的描述表达入手,结合工程图学课程特点,构建 了多属性多关联的试题模型,分析工程图学课程的选题组卷过程,对基于试题属性参数的多路径 选题组卷方法、历史试卷特征提取的试卷智能再生技术,试卷图形化交互布局方法进行了研究, 开发了相应的工程图学试题库组卷系统。     

可拓集成模式的工程图学试题库组卷方法研究

工程图学试题库具有功能需求多样化、专业类别差异化、试题形式图形化等特点, 为了更好满足工程图学课程考试与评价需求,提出一种可拓集成模式的工程图学试题库构建与组 卷方法。在分析工程图学试题组卷需求的基础上,规划了工程图学试题库组卷系统体系架构,构 建了可拓展的工程图学试题库,研究了集成模式的试题库组卷方法,并开发了相应的工程图学试 题库组卷系统。     

数据处理中Excel的应用分析

进入21世纪以来，极大的推动力我国数字信息化的发展速度，高精度、高效率，为数据处理技术的一大特征，广泛的应用到社会不同领域的建设和发展中，在此项技术应用范围不断扩展的基础上，也应该不断的去完善此项技术。因此，文章通过下文对Excel在数据处理中的应用进行了详细的分析与阐述，进而为有关工作人员及研究人员提供一定的借鉴作用。     

癌症多组学数据深度自编码器整合分型方法

在癌症研究中,随着高通量测序技术发展已经产生了海量的复杂数据。尽管有了一些利用深度学习和统计学方法进行多组学数据整合的研究,但目前仍缺乏较为有效率的整合方法。因此提出一种基于深度自编码器的多组学数据整合方法（deep autoencoder for multi-omics integration,DAEMI）。它利用自编码器中的瓶颈层,学习多组学数据的特征表示。与先前利用深度学习整合的研究相比,DAEMI可以发现明显生存差异的癌症亚型。同时因为不需要生存数据来选择特征,DAEMI可以使用更多特征进行K均值聚类,进而完成癌症分型任务。将DAEMI应用于模拟数据集与四个癌症数据集实验,通过与高阶路径相似度网络的融合模型（HOPES）、相似性网络融合（SNF）、iClusterPlus和moCluster进行比较,结合模拟数据集测试结果与真实癌症数据集测试结果来看,DAEMI要优于其他方法。相应的生物功能分析揭示,神经退行性疾病与线粒体功能障碍可能与癌症共享某些生物学通路。     

基于多组学数据和稀疏变分自编码器的生存分析算法

针对生存分析中多组学数据带来的维数灾难和过拟合问题,提出了一种基于多组学数据和稀疏变分自编码器的生存分析算法VAESCox。该算法将变分自编码器的基本结构与稀疏编码和生存分析相结合,在无监督阶段训练变分自编码器学习低维表示,在监督阶段将训练的权重迁移到生存分析模型,并对传递权重进行微调和稀疏编码。实验结果表明,在八种不同癌症类型的数据集上,VAESCox模型在消融和对比实验中均取得了较高的C指数值。与其他四种基准生存分析方法相比,所提算法不仅缓解了多组学数据融合的过拟合问题,也显著提高了生存预测性能,表明不同组学数据的融合有助于预后生存结果的精准预测。     

一种用于影像组学的多级特征选择方法

针对医学影像中高维特征的问题,提出一种用于影像组学的多级特征选择方法(MSOM-GA).用组内相关系数过滤对边界敏感的特征.用混合F-Score和信息增益的方法,去除不相关特征.用遗传算法去除冗余特征,选择最优特征子集.该算法在河南省人民医院脑胶质瘤影像数据上进行验证,实验显示,特征选择算法能显著提升特征的质量,算法的...     

基于影像组学的肝细胞癌病理分级方法

针对术前无创准确判断肝细胞癌（HCC）病理分化程度这一问题,提出了一种基于影像组学的肝细胞癌病理分级方法。该方法结合多模态融合及AdaBoost算法构建模型。首先,基于影像组学方法提取磁共振成像（MRI）的影像组学特征,通过特征递归消除等算法进行特征筛选和降维后进行多模态融合;然后,采用过采样方法解决数据类别不平衡问题优化模型性能;最后,基于Adaboost算法建模对HCC进行病理分化等级细分类。实验结果表明,所提方法在相同数据集的F1值比现有的加权融合方法、基于支持向量机（SVM）算法的方法相比均要高5个百分点。对比基于单模态构建的F1值最优模型,使用的多模态融合方法的F1值提高了7个百分点。     

数字指纹协议发展的综述

主要对数字指纹协议的发展进行了综述。首先介绍了数字指纹协议的研究背景,并对数字指纹的基本原理做了简单介绍。主体介绍了数字指纹协议经历的三个发展阶段,其中对称指纹不能提供否认性,非对称指纹不能隐藏购买者的身份信息,直至提出匿名指纹的思想。最后指出了若干发展方向。     

MATLAB图形功能在试验数据分析中的应用

数据分析的目的是利用数据来研究一个领域的具体问题,图表是数据的图形表示,可以直观地从中获取大量信息,MATLAB提供了丰富的绘图功能.     

多源网络安全数据时序可视分析方法研究

近年来网络安全数据时序可视化是网络安全的热门话题,它主要是通过提供科学的数据可视化工具,提高网络安全,提升工作人员维护计算机的能力,进而将问题的发现、问题的识别、问题的掌握,全都一手掌握.网络安全可视化同新时代的一个新兴交叉研究,该研究目前已经在网络监控、检查异常等方面取得了不小的进展.文本主要是为了应对多源网络安全数据时序可视分析需求,进行了统一的方法研究,通过实验论证证明了网络安全数据可视分析方法的有效性.     

基于大数据分析的移动对象轨迹预测方法

对移动对象的轨迹预测将在移动目标跟踪识别中具有较好的应用价值。移动对象轨迹预测的基础是移动目标运动参量的采集和估计,移动目标的运动参量信息特征规模较大,传统的单分量时间序列分析方法难以实现准确的参量估计和轨迹预测。提出一种基于大数据多传感信息融合跟踪的移动对象轨迹预测算法。首先进行移动目标对象进行轨迹跟踪的控制对象描述和约束参量分析,对轨迹预测的大规模运动参量信息进行信息融合和自正整定性控制,通过大数据分析方法实现对移动对象运动参量的准确估计和检测,由此指导移动对象轨迹的准确预测,提高预测精度。仿真结果表明,采用该算法进行移动对象的运动参量估计和轨迹预测的精度较高,自适应性能较强,稳健性较好,相关的指标性能优于传统方法。     

Functional data analysis in shape analysis

Mid-level processes on images often return outputs in functional form. In this context the use of functional data analysis (FDA) in image analysis is considered. In particular, attention is focussed on shape analysis, where the use of FDA in the functional approach (contour functions) shows its superiority over other approaches, such as the landmark based approach or the set theory approach, on two different problems (principal component analysis and discriminant analysis) in a well-known database of bone outlines. Furthermore, a problem that has hardly ever been considered in the literature is dealt with: multivariate functional discrimination. A discriminant function based on independent component analysis for indicating where the differences between groups are and what their level of discrimination is, is proposed. The classification results obtained with the methodology are very promising. Finally, an analysis of hippocampal differences in Alzheimer’s disease is carried out.     

Sensitivity analysis of the additive model in data envelopment analysis while inputs and outputs are fuzzy data

Data envelopment analysis (DEA) requires input and output data to be precisely known. This is not always the case in real applications. Sensitivity analysis of the additive model in DEA is studied in this paper while inputs and outputs are symmetric triangular fuzzy numbers. Sufficient conditions for simultaneous change of all outputs and inputs of an efficient decision-making unit (DMU) which preserves efficiency are established. Two kinds of changes on inputs and outputs are considered. For the first state, changes are exerted on the core and margin of symmetric triangular fuzzy numbers so that the value of inputs increase and the value of outputs decrease. In the second state, a non-negative symmetric triangular fuzzy number is subtracted from outputs to decrease outputs and it is added to inputs to increase inputs. A numerical illustration is provided.     

数据抽取及语义分析在Web数据挖掘中的应用

把复杂的网络站点作为多个业务数据源,采用数据仓库及数据挖掘技术,从中抽取并净化数据到挖掘数据库,从而将数据抽取及语义分析应用于Web数据挖掘中。在此基础上又提出了运用数据抽取进行数据结构转换并把语义分析技术应用到数据抽取的过程中的思想,使数据提取更加准确。     

Effectively exploiting parallelism in data flow analysis

We present an effective approach to performing data flow analysis in parallel and identify three types of parallelism inherent in this solution process: independent-problem parallelism, separate-unit parallelism and algorithmic parallelism. We present our investigations of Fortran procedures from thePerfect Benchmarks andnetlib libraries, which reveal structural characteristics of program flow graphs that are amenable to algorithmic parallelism. Previously, the utility of algorithmic parallelism had been explored using our parallel hybrid algorithm in the context of solving the Reaching Definitions problem for Fortran procedures. Here we present new refinements that optimize performance by increasing the grain size of the parallelism, to improve communication on distributed-memory machines. The empirical performance of our optimized and unoptimized hybrid algorithms for Reaching Definitions are compared on this large data set using an iPSC/2. Our empirical findings qualitatively validate the usefulness of algorithmic parallelism.This research was supported, in part, by National Science Foundation grants CCR-8920078 and CCR-9023628-1, 2/5. An earlier version of this paper appears inProceedings of the 6th ACM International Conference on Supecomputing (Washington, D.C., July 1992), pp. 236–247.     

大数据项目的部署分析

如果你正在尝试构建大数据应用或分析系统,你可能会清楚的意识到该领域缺少哪些功能。笔者将人们对大数据的愿景归纳为五大需求,分别是SQL（或SQL-like）分析、快速部署、高级分析、实时分析和网络分析选件。     

Fact-oriented modelling for data analysis

Abstract. Although entity-relationship modelling is the most popular means of specifying the conceptual schema for the data perspective of an information system, an alternative design approach known as fact-oriented modelling appears to offer advantages. This paper provides an overview of fact-oriented modelling, including some recent revisions and an evaluation of how the method has coped with large-scale practical applications. One distinguishing feature of the approach is its emphasis on natural verbalization of information examples in terms of elementary facts. This notion of elementarity is clarified to cater for a problematic case involving compositely identified object types. Finally, the algorithm for mapping a conceptual to a relational schema is revised to cater for lazy object types.