基于粒计算的基因挖掘

有关基因挖掘及其功能分析的研究已有很多。近年来,研究者已进行了基因表达数据分析中的特征基因提取、基于粗糙集的基因表达数据分类研究、粒计算在基因微阵列数据特征选择中的应用等研究。应用粒计算约简理论对基因表达数据进行分析,有助于发现具有不同效用的基因;在粒计算的基础上对特征基因进行挖掘,是当今生物学与信息技术学相互联系进行研究的重点和热点。     

大数据环境下图书馆数据来源与采集研究

随着图书馆数字化、网络化的发展,数据挖掘及数据分析技术的层出不穷,通过对图书馆产生的大量的用户行为信息记录、资源信息和服务信息数据的分析和挖掘,为图书馆的发展提供了重要的依据,本文针对图书馆各种软件、系统及资源数据建设现状,总结了大数据环境下图书馆可以采集的数据,为大数据环境下图书馆数据分析与挖掘提供借鉴和参考.     

基于深度强化学习的数据探索性会话自动生成

探索性数据分析（EDA）是一种数据分析方法,旨在通过对数据集进行可视化和摘要统计等方式揭示数据的结构、模式和关系。数据分析人员可通过操作交互式地探索不熟悉的数据集,并为用户提供先导性见解。深度强化学习（DRL）已被证明可以用来解决众多难以解决的人工智能挑战,可尝试将EDA与DRL进行结合,提出了一个名为AEDAS的系统。该系统将EDA建模为一个控制决策问题,从而结合一个新颖的DRL架构来自动生成有说服力的探索性会话,并以EDA笔记本的形式呈现。实验表明,该系统生成的EDA笔记本,可以使用户获得切实有效的先导性见解。     

数据挖掘技术在高校数字图书馆个性化服务中的应用

随着计算机技术的不断发展,当今社会已经逐渐进入了大数据时代,在大数据时代中,数据挖掘技术也在各个领域使人们的生活更加方便。数据挖掘技术是基于大数据时代下的一种新型数据分析类技术,该技术可以针对不同的用户提供数据分析得出的个性化服务,目前这项技术已经被应用在了许多领域,文章分析了其在网购领域以及许多对用户需求有要求的软件之中得到的应用。     

基于OTT大数据的质差终端定位方法研究与实践

传统的移动通信质差终端定位方法主要依赖于人工拨测、终端信令数据分析和用户投诉数据分析。本文通过关联用户信令数据、OTT数据、MR数据等进行综合分析,实时定位终端位置。同时结合栅格分析,有效对比不同栅格内的终端无线质量情况,实现质差终端定位。通过现场实践验证,识别成功率满足日常工作,将为网络终端质量分析提供一种高效的评估方法。     

业务驱动型信息分析平台研究

为了适应业务变更、汇总数据分析与实时业务结合的纵深数据分析、实时业务处理,快速定义并部署用户的多维查询,实现对基于数据仓库的联机分析处理。文中针对数据仓库系统实施过程中的特点,结合用户对产品功能的需求,提出＂业务驱动的＂实时数据处理和构建数据仓库的解决方案。平台利用数据抽取技术,对数据进行集成和加工整理,产生综合的、面向分析的数据存储,提供在分析数据基础的数据展现、分析和挖掘;实现分析型应用功能和业务处理系统查询功能的直接关联,满足管理人员和业务操作人员的数据查询和统计需求。     

基于型号装备-角色的IETM访问控制研究

针对交互式电子技术手册应用中的管理和安全保密需求,在分析传统访问控制模型的基础上,提出基于型号装备-角色的访问控制模型。该模型包括用户、型号装备、装备用户、角色、权限、操作访问控制规则、数据访问控制规则等,支持功能操作权限和数据权限分离,支持以型号装备结构为基础的细粒度数据访问控制以及以角色、装备用户为基础的功能操作访问控制定义和管理,给出了权限定义和权限计算方法。根据IETM的功能及数据访问控制需求,对交互式电子技术手册访问控制进行软件功能、控制流程及数据模型设计。采用J2EE及Web Service技术开发模块组件,实现交互式电子技术手册层级式、细粒度访问控制。     

基于云计算技术的大数据分析平台设计与开发

云计算技术通过网络"云"将巨大的数据计算处理程序分解成无数个小程序,再通过多部服务器组成的系统进行处理和分析这些小程序,进而给用户提供更加精准的有效数据。进一步分析云计算技术在计算机大数据分析中的应用,不仅能够推动计算机大数据分析技术发展,还能提升数据的处理效率。本文基于云计算就大数据分析平台进行研究与设计,希望可以为大数据分析平台的构建提供借鉴。     

一种肿瘤基因表达数据的知识提取方法

本文以多发性骨髓瘤的基因表达数据为例,利用数据挖掘技术,提出了一种针对基因表达数据进行知识发现的方法.该方法通过计算基因的信息增益,结合神经网络,找出了特征基因集合,最后利用决策树进行特征规则的提取,给出了基于多发性骨髓瘤数据样本的产生式规则,为生物医学研究提供了一种分析和研究基因表达数据的参考方法.实验结果表明了该方法的有效性.     

Office 95技术讲座(十)——Excel 95数据分析与管理

Excel 7.0 for Windows 95(简称Excel 95)具有很强的数据分析能力,用户可以使用Excel 95提供的数据分析工具进行数据分析。数据分析工具包括模拟运算表、方案管理器、单变量求解和规划求解等。Excel 95还具有很强的数据管理能力,用户可以非常便捷地对工作表中的数据进行排序、筛选以及分类汇总。     

相似性度量在基因表达聚类分析中的应用研究

聚类分析是基因表达数据分析研究的主要技术之一,其算法的基本出发点在于根据对象间相似度将对象划分为不同的类,选择适当的相似性度量准则是获得有效聚类结果的关键。采用预处理过的基因数据集在不同相似性度量准则下进行的不同聚类算法的聚类分析,并得到聚类结果评价。其中算法本身的缺陷及距离相似性度量的局限性都是影响结果评价的因素,为了获得更有效的聚类结果,改进相关聚类算法并提出了一种比例相似性度量准则。     

Identification of Shared Components and Sparse Networks in Gene Expression Time-Course Data

High-throughput gene expression technologies such as microarrays have been utilized in a variety of scientific applications. In this article, we develop multivariate techniques for visualizing gene regulatory networks using independent components analysis (ICA) techniques. A desirable feature of the ICA method is that it approximates a biological model for the gene expression. The methods are outlined and illustrated with application to yeast gene expression data.     

Vector filtering for color imaging

Vector processing operations use essential spectral and spatial information to remove noise and localize microarray spots. The proposed fully automated vector technique can be easily implemented in either hardware or software; and incorporated in any existing microarray image analysis and gene expression tool.     

Matlab软件在信号与系统辅助教学中的应用

Matlab是一套功能十分强大的工程计算及数据分析软件,具有友好的可视化编程界面及接近数学表达式的自然化语言。在信号与系统课程的教学中引入该软件,可以帮助学生完成数值计算、信号与系统分析的可视化建模及仿真调试,通过实例介绍和分析该软件在信号与系统课程教学中的具体应用,引导学生使用智能化教学软件,为接下来的专业课程的学习打下坚实的基础。     

网络化软件交互行为动态建模

 目前的软件行为建模方法有其局限性,而网络化软件交互行为比传统软件更为复杂难控,对模型的定义和优化提出了更高的要求.本文提出一种基于不变量约束规则的挖掘方法,从监控收集的软件交互行为日志中挖掘出六类不变模式,简化了模型空间;并用事件描述状态,提高了数据集的表达能力;构建的动态模型考虑了参数传递和组件之间的交互,将数值关联关系映射到控制流中,从而更真实地刻画了软件交互行为;模型中的事件满足不变量约束规则,为软件行为分析提供了依据;同时,本文提出合并划分子图间的等价状态方法,对模型进行精化和抽象,确保了模型的确定性和完备性.仿真实验和实例分析证实了该方法的正确性和有效性.     

A Computational Approach to Gene Expression Data Extraction and Analysis

The rapid advancement of DNA microarray technology has revolutionalized genetic research in bioscience. Due to the enormous amount of gene expression data generated by such technology, computer processing and analysis of such data has become indispensable. In this paper, we present a computational framework for the extraction, analysis and visualization of gene expression data from microarray experiments. A novel, fully automated, spot segmentation algorithm for DNA microarray images, which makes use of adaptive thresholding, morphological processing and statistical intensity modeling, is proposed to: (i) segment the blocks of spots, (ii) generate the grid structure, and (iii) to segment the spot within each subregion. For data analysis, we propose a binary hierarchical clustering (BHC) framework for the clustering of gene expression data. The BHC algorithm involves two major steps. Firstly, the fuzzy C-means algorithm and the average linkage hierarchical clustering algorithm are used to split the data into two classes. Secondly, the Fisher linear discriminant analysis is applied to the two classes to assess whether the split is acceptable. The BHC algorithm is applied to the sub-classes recursively and ends when all clusters cannot be split any further. BHC does not require the number of clusters to be known in advance. It does not place any assumption about the number of samples in each cluster or the class distribution. The hierarchical framework naturally leads to a tree structure representation for effective visualization of gene expressions.     

Cluster analysis of gene expression data based on self-splitting and merging competitive learning

Cluster analysis of gene expression data from a cDNA microarray is useful for identifying biologically relevant groups of genes. However, finding the natural clusters in the data and estimating the correct number of clusters are still two largely unsolved problems. In this paper, we propose a new clustering framework that is able to address both these problems. By using the one-prototype-take-one-cluster (OPTOC) competitive learning paradigm, the proposed algorithm can find natural clusters in the input data, and the clustering solution is not sensitive to initialization. In order to estimate the number of distinct clusters in the data, we propose a cluster splitting and merging strategy. We have applied the new algorithm to simulated gene expression data for which the correct distribution of genes over clusters is known a priori. The results show that the proposed algorithm can find natural clusters and give the correct number of clusters. The algorithm has also been tested on real gene expression changes during yeast cell cycle, for which the fundamental patterns of gene expression and assignment of genes to clusters are well understood from numerous previous studies. Comparative studies with several clustering algorithms illustrate the effectiveness of our method.     

基于小波包-FastICA在阿尔茨海默症中的应用及其生物学分析

阿尔茨海默症(Alzheimer’s disease,AD)基因表达谱数据具有高维性、高噪声、高冗余性等特点,使得AD特异性基因的搜索空间巨大,搜索算法时间长,降低了算法的挖掘性能及其生物学分析。因此对其基因表达谱数据进行去噪和降维预处理是十分必要的。文中首先利用小波包变换-SAM方法对数据进行降维去噪,实验结果证明了小波包方法能较好地提取基因表达谱有用信息;然后应用快速独立成分分析(FastICA)算法对预处理后的数据进行矩阵分解分析,并根据独立分量选取特异性基因。在此基础上的样本分类实验表明,FastICA提取的特异性基因具有较高的显著性,能够提高样本的分类结果。同时,通过所提取特异性基因的富集性分析,文中给出了这些基因在阿尔茨海默症数据集中聚类情况及其基因表达情况,为AD的生物学及医学病理分析提供有利的依据。     

Algorithmic fusion of gene expression profiling for diffuse large B-cell lymphoma outcome prediction

Many different methods and techniques have been investigated for the processing and analysis of microarray gene expression profiling datasets. It is noted that the accuracy and reliability of the results are often dependent on the measurement approaches applied, and no single measurement so far is guaranteed to generate a satisfactory result. In this paper, an algorithmic fusion approach is presented for extracting genes that are predictive to clinical outcomes (survival-fatal) of diffuse large B-cell lymphoma on a set of microarray data for gene expression profiling. The approach integrates a set of measurements from different aspects in terms of the discrepancy indications and merit expectations of the gene expression patterns with respect to the clinical outcomes. A combination of statistical and non-statistical criteria, continuous and discrete parameterizations, as well as model-based and modeless evaluations is applied in the approach. By integrating these measurements, a set of genes that are indicative to the clinical outcomes are better captured from the gene expression profiling dataset.     

一种新型多类别生物芯片cDNA基因表达数据标准化方法

cDNA生物芯片表达数据广泛用于生物医学研究,利用计算机对其进行处理还有很多挑战性课题。该文提出了一种新的基于不变基因的多类生物芯片监督型集合cDNA表达数据标准化方法。在达到标准化的同时,该方法也可直接用于基因表达数据的特征选择,实验证明效果较好。