RNA二级结构预测SVMs模型研究

扩展NSSEL标签,对RNA分子中的stem-loop结构和伪结结构进行标记.将RNA分子序列中的碱基编码输入,经过支持向量机(support vector machines,SVMs)模型计算输出相应的结构标记.该模型经过训练后,待预测的RNA分子序列可得到对应的结构标识序列,这些标识序列可通过特定算法,唯一构建包括伪结在内的二级结构.实验结果表明,该算法在可接受的预测精度范围内具有较低的计算复杂度,克服了传统算法计算时间过长,无法在有限时间内得到有效结果的缺点.     

基于禁忌遗传算法的RNA二级结构预测

生物RNA二级结构预测是生物信息学领域的一个重要研究问题.近来,研究人员提出应用元启发式算法来预测RNA二级结构.该文提出基于禁忌遗传算法的RNA二级结构预测方法(TGARNA),给出茎区相容性检测改进方法,保留最长茎区构造茎区相容个体,以改善种群性能;同时将禁忌搜索融入遗传操作以防止近亲繁殖,保持种群多样性.仿真实验...     

预测RNA二级结构离散粒子群优化算法

根据RNA二级结构预测问题实质和基本粒子群优化算法特性,提出一种离散粒子群优化算法模型.定义该模型中一个可变集合搜索空间,设计了基于此空间粒子群速度与位置更新公式及运算规则.采用局部精英粒子优化策略解决了粒子群算法易陷入局部最优的问题.实验结果表明,该算法在收敛速度和精度上都具有较好的性能.     

基于茎区的动态规划算法的核糖核酸二级结构预测

结合传统动态规划算法和组合优化算法在二级结构预测的优势,提出了一种以茎区为最小结构单元的新的动态规划算法。对于给定的RNA序列,首先得到所有可能的茎区集合,采用环依赖的方式计算二级结构的能量,通过茎区动态规划算法递归得到能量最优的二级结构,最后选取数据库中不同长度的已知二级结构的RNA序列进行测试。结果表明,该算法在特异性、敏感性和马休兹参数方面均优于遗传算法,在计算复杂性方面低于传统的动态规划算法。     

cRNA布谷鸟搜索算法的桥式吊车PID控制

为了提高算法的全局搜索能力,受RNA二级结构的启发,设计RNA茎环交叉算子,采用基于进化代数的自适应步长策略,提出RNA交叉操作布谷鸟搜索算法(cRNA-CS).将cRNA-CS算法用于对5个典型测试函数进行寻优.测试结果表明,cRNA-CS算法的搜索能力和寻优精度相对于CS算法和其他改进的CS算法有了明显提高.将cRNA-CS算法用于桥式吊车系统PID控制器参数的优化整定.仿真实验结果表明,与CS算法、单纯形算法和PSO算法相比,采用cRNA-CS算法优化的PID控制器能够实现桥式吊车系统更好的消摆和定位控制.     

电力系统超短期负荷预测算法及应用

简述了超短期负荷预测的概念和应用.将目前预测方法分为传统预测算法和现代预测算法,介绍了各种算法的原理、适用范围,以及大规模新能源并网运行对超短期负荷预测的影响.对比分析各种算法的优点和不足,提出了对历史数据预处理、建立分时段的综合预测模型,以及考虑气象因素等提高超短期负荷预测精度的措施.     

微博转发预测算法评测系统的建立及性能比较

为解决微博转发行为预测问题,提出了一个基本的预测算法评测系统框架.该系统解决了原始微博数据的抓取和预处理,以及用户微博的转发和忽略行为的判定,微博和用户的特征提取等问题,为解决微博转发行为预测问题提供了技术基础.详细分析了现有文献和工作中的微博转发行为预测算法,阐述了它们的基本原理.通过定量实验分析了不同微博转发行为预测算法的在局部预测问题和全局预测问题方面的性能,并且从算法的原理等方面出发给出了定性的分析.     

蛋白质与RNA 相互作用的预测和研究

确定蛋白质与RNA是否发生作用非常重要,因为它广泛存在于生物学过程中,在生物体细胞活动中起到至关重要的作用。特别是近几年随着蛋白质结构数据的增多,如果仍用传统的物理化学方法去测定会非常困难,找到能自动预测蛋白质与RNA的相互作用的方法迫在眉睫。首先采用Pse PSSM算法表达蛋白质序列,编码后的蛋白质特征向量维数很高;接着采用GPP流形学习方法对其进行维数约简,约简后的特征向量输入SVM分类器训练,训练好的分类器预测未知的蛋白质与RNA是否相互作用;最后,采用Jackknife测试方法检验预测准确率,测试结果表明,上述方法是十分有效的,为蛋白质与RNA是否相互作用的研究提供一条新的思路。     

一种基于局部社团和全局信息的链路预测算法

以往复杂网络的链路预测研究常常只考虑了公共邻居等局部网络的拓扑信息,不能很好的反映网络整体上的情况.在考虑局部社团网络拓扑信息的基础上,将同配系数等全局信息也引入预测算法中,提出了一种基于局部社团和全局信息的LCII预测算法.应用该算法对多个真实网络进行了链路预测,发现与其他几种经典链路预测算法相比,LCII预测算法有较好的预测效果和准确度.可见,综合考虑局部社团和全局信息可以挖掘出候选节点间更多的信息,从而能在一定程度上提升预测的命中率.     

结合灰度预测特征与CNNs的信息服务体育成绩预测

针对大数据体育成绩预测存在精度较低的缺陷,提出一种结合灰度预测特征与CNNs的体育成绩预测算法.通过等维动态GOM模型提取灰度特征,并构建CNNs模型完成对体育成绩时间序列的回归与预测.以百米赛跑体育成绩为研究目标,完成了体育达标人数预测和体育成绩预测两个对比实验.结果表明,等维动态GOM模型以及相应的CNNs模型分别在达标人数和成绩预测中获得了最优的预测结果.提出的算法显著优于传统算法,分别在平均精度和极端数据中获得了更好的预测结果.     

结合灰度预测特征与CNNs的信息服务体育成绩预测

针对大数据体育成绩预测存在精度较低的缺陷,提出一种结合灰度预测特征与CNNs的体育成绩预测算法.通过等维动态GOM模型提取灰度特征,并构建CNNs模型完成对体育成绩时间序列的回归与预测.以百米赛跑体育成绩为研究目标,完成了体育达标人数预测和体育成绩预测两个对比实验.结果表明,等维动态GOM模型以及相应的CNNs模型分别在达标人数和成绩预测中获得了最优的预测结果.提出的算法显著优于传统算法,分别在平均精度和极端数据中获得了更好的预测结果.     

包括假结的RNA二级结构茎区组合预测新算法

提出了RNA茎区组合最优能的概念,给出了RNA茎区相容定义,利用相容矩阵与迭代矩阵以求出具有全局最大最优能的RNA茎区组合,建立了一种能够预测带假结的RNA二级结构的新方法。通过选取PseudoBase中的RNA序列,将预测得到的RNA二级结构与数据库上提供的RNA二级结构进行比较,同时用pknotsRG软件运行同样的数据与本方法得到的RNA二级结构进行比较,NGF-L2和NGF-H1的最好的敏感性、特异性均达到100%。试验结果与分析数据表明,本方法可靠、有效,具有较高的准确率,可以预测假结结构,尤其是tRNA类型的序列执行起来速度较快。     

ARMA模型参数估计算法改进及在股票预测中的应用

针对股票市场中ARMA模型的识别、建立和估计问题,提出一种ARMA模型参数估计的改进算法,以加快计算的收敛速度和提高模型参数估计的精确度.该算法借助反向过程确定初值,结合优化阻尼最小二乘法求解模型参数.应用该算法对预测股票价格进行了仿真试验,并与SAS预测结果作了对比,获得了满意的效果.实验结果表明该算法在预测性能上有了较大的提高,证实了该算法的有效性.     

一种高重构质量低复杂度的高光谱图像压缩感知

针对高光谱图像谱间相关性较强的特点,提出了一种基于谱间预测的压缩感知算法.编码端通过线性预测算法,估计出相邻波段的预测系数作为辅助信息传送到解码端,再对图像进行独立地随机观测和量化.解码端根据预测系数和已重构相邻波段,估计出当前波段的预测波段,用来修正重构算法的初始值和收敛准则.最后用改进的重构算法解码当前波段.实验结果表明,在相同观测值数目下,该算法的PSNR提高了大约1.2 dB,解码复杂度明显降低,而且编码复杂度低、易于硬件实现.     

物流需求的动态预测方法

立足JIT(JustInTime)管理模式,以提高物流需求预测的准确性及实时性为目标,采用复合算法设计物流需求的动态预测方法.以扩展卡尔曼滤波和人工神经网络相结合的复合算法作为动态预测的基本方法,量化了日照、湿度、温度等影响物流需求的动态影响因素,并将这些因素纳入到预测过程.借助Swarm仿真,论证了在预测模型中纳入动态影响因素可以提高物流需求预测的准确性和实时性.与常规BP算法的预测误差相比较,显示出该复合预测算法具有较高的可靠性.     

贝叶斯和SVM在物流客户流失分析中的应用

介绍了客户流失预测的常用方法.基于ORACLE商业智能工具,分别利用贝叶斯法和SVM法对物流客户流失进行预测分析,并对2种方法进行了比较.结果表明,SVM算法的预测效果较好,但Bayes算法具有对数据质量要求不高、算法简单、易于实现、便于直观展现等优势.     

基于多层BiLSTM和改进粒子群算法的应用负载预测方法

为了解决常用时序预测算法精度不高和调参困难的问题,提出基于多层双向长短期记忆（BiLSTM）神经网络的负载预测方法,包括网络模型设计、自适应参数设置和改进粒子群算法优化等步骤. 将数据输入网络模型中进行训练,使用自适应算法进行自动调参;采用基于基准模型的多指标融合的模型评价方法,计算改进粒子群算法的适应度;使用改进粒子群算法优化模型的预测结果. 通过与多种典型时间序列预测算法的实验对比,方法的预测平均绝对百分比误差减小3.6%~7.2%,训练时间缩短10%以上,实验结果验证了方法在时间序列预测中具有更高的准确性和很强的适用性,为使用负载预测结果进行弹性扩缩容提供了重要的科学依据.     

基于微粒群算法的神经网络储层物性参数预测

建立了一个具有自适应、复杂非线性储层预测模型,在计算方法上,由于多层前向型神经网络BP算法存在易陷入局部最优的缺点,而微粒群算法具有较强鲁棒性和全局收敛的优点.结合二者长处,利用基于微粒群算法的神经网络计算方法,对神经网络结构进行了改进.利用四川洛带地区气田的测井资料,用所设计的算法对储层的物性参数(孔隙度、渗透率)进行预测,并对其预测精度与用常规基于BP算法和基于LMBP算法得到的预测结果进行了比较分析,发现地质效果明显,有效地克服了基于BP算法和基于LMBP算法的缺点.     

混沌局域预测法在网络流量短期预测中的应用

网络流量数据表现出一定的混沌特性,而在传统的混沌预测算法中,使用欧氏距离衡量相空间中相点间的相关性.由于欧氏距离的局限性,在高维相空间中,传统混沌预测算法的精度迅速下降.使用夹角余弦取代欧氏距离,作为判别相点间相关性的标准;并将相点视为向量,以向量的模和夹角为优化目标.进行预测参数识别.将以上算法应用于网络流量数据的短期预测,结果表明,在高维相空间中,预测算法的精度得到了明显的提升.     

H.264 SVC层间预测选择快速算法

针对H.264 SVC采用层间预测编码工具而引起的高计算复杂度问题,提出H.264 SVC层间预测选择快速算法.在层间残差预测方面,先作一次运动搜索,估计宏块在2种层间残差预测选择结果之间的模式代价比,利用该模式代价比预测残差数据对增强层宏块编码的影响,从而快速选择层间残差预测.在层间运动预测方面,利用宏块的运动信息和模式代价信息来快速选择层间运动预测.实验结果表明,与参考算法相比,该算法在同等质量条件下,编码速度平均提高了30%左右.该算法可以与模式选择快速算法结合使用,进一步提高编码速度．