基于Contig的单面基因组框架填充2-近似算法

随着基因测序技术的持续发展,基因组框架填充问题受到广泛关注。该文针对基于contig的单面含重复基因的基因组框架填充问题开展研究。通过设计有效的近似算法,完成根据参照基因组,将缺失基因填充至基因测序获得的不完整框架中,提高基因组框架的完整性。前期研究的基因组框架填充问题,缺失基因可以插入到不完整序列的任意两个基因之间,而基于片段重叠群(contig)的基因组框架填充,缺失基因的插入位置被限制在两个contig之间,更具一般性,该问题已被证明是NP完全问题。现有的近似算法中,2-近似算法处理的实例具有特殊性,2.57-近似算法针对一般实例,但近似性能比不够理想。该文以缺失基因、基因位点和断点三者之间的对应关系为基础,采用贪婪策略和最大匹配相结合的方式避免在填充过程中出现冗余公共邻接,并通过生成新的contig增加外邻接的数量,将针对一般实例的算法近似性能比提高到2,完成了基于Python的可视化程序开发,进一步验证了算法的有效性。     

基因组断点Median问题的算法研究

为有效解决生物信息学中的基因组断点median问题,针对4个以上环形基因组的一般情形,建立了该问题的图模型.鉴于基因组断点median问题自身的NP-困难性,从问题转化的角度,将其等价地化为图上的旅行商问题(TSP),找出二者之间最优解的关系,进而给出了其p-近似算法,其中p为用于求解TSP问题的近似算法的近似比.对算法的复杂度和近似比进行了分析,基于LINGO软件的算例表明了该算法的可行性和有效性.     

基于邻接关系的空间数据挖掘

空间邻接关系是空间数据库对象之间的特征联系,其处理过程直接影响着空间数据挖掘算法的实现与效率,基于3种邻接关系,给出了邻接图,邻接路径的概念和几个基本操作,并分析了几种典型的空间数据挖掘算法。     

基于邻接关系的空间聚类算法研究

聚类指的是把数据库里的对象分组成有意义的子集,使得一个聚类内的成员尽可能相似,而不同聚类间的成员差异尽可能大。空闻对象的主要特性受其邻接对象的影响,并且随着距离的增加或减少,影响作用也相应地增加或减少。论文针对相邻空间对象的特性总是相似或相关联的特点,以邻接关系为基础对空间聚类算法进行了分析与研究。     

团图点删除问题的近似算法

针对团图点删除问题的3-近似算法得到的近似解可能较大的问题,通过对团图点删除问题及团图特性的分析,提出了该问题的一个新的近似算法。新算法通过考察图中节点的一阶和二阶邻点来计算节点关联的P3的数目,然后优先选择P3数最大的节点加入解集,以期尽快消除图中的P3,从而最终获得较小的点删除集。为检验算法效果,设计了多组不同场景的随机实验对新算法和经典的3-近似算法进行了比较。随机实验表明,新算法较经典的3-近似算法有明显的优势。     

基于邻接关系的空间数据挖掘技术的研究

随着现代科学技术的迅速发展,复杂多变的空间数据日益膨胀,远远超出人们的解译能力,迫切地需要数据挖掘和知识发现为其提供知识。文中从空间数据挖掘的基本概念出发,详细阐述了空间数据的特点、空间邻接关系及其相关操作,并针对空间邻接关系给出了几种典型的空间数据挖掘方法。     

基于邻接关系的空间数据挖掘技术的研究

随着现代科学技术的迅速发展，复杂多变的空间数据日益膨胀，远远超出人们的解译能力，迫切地需要数据挖掘和知识发现为其提供知识。文中从空间数据挖掘的基本概念出发，详细阐述了空间数据的特点、空间邻接关系及其相关操作，并针对空间邻接关系给出了几种典型的空间数据挖掘方法。     

基于邻接格的规则集压缩方法

关联规则挖掘能使你们发现大量数据中项目集之间有趣的关联或相关关系,通过研究发现,用传统关联规则方法会生成大量包含重复意义的规则,这必然会对用户迅速做出决策产生干扰。该文提出了一种基于邻接格的规则集压缩方法,使生成的规则大大精化,从而提供给用户简洁紧凑的关联规则集。     

六角网格系统下的多边形填充算法

针对六角网格系统下图形、图像处理及显示时像素之间相邻的唯一性,挺出六角网格系统下的多边形填充算法,其中包括边界填充算法和扫描线填充算法,采用图示与伪代码的方法描述箅法。与矩形网格上的图像处理算法相比,六角网格系统上的图像处理算法具有更好的唯一性和简便性。