基于距离矩阵灰度图的蛋白质二级结构类型预测*

蛋白质二级结构预测在蛋白质结构预测中具有很重要的作用。基于伪氨基酸成分表示蛋白质的方法,能提高蛋白质结构和功能预测的成功率,利用蛋白质距离矩阵灰度图,基于几何矩提出了一种伪氨基酸构造方法,结合氨基酸的成分对蛋白质二级结构类型进行预测,通过国际公认的Jackknife检验方法显示预测成功率达到95.10%,比其他方法高出许多,说明此方法具有有效的分类效果。     

基于蛋白质哈斯矩阵图的分泌蛋白预测

因为研究分泌蛋白质有助于找到直接与特定生理或病理状态相关的生物分子,判断一条未知蛋白是否为分泌蛋白是非常重要的。基于同一类型蛋白质的哈斯矩阵图具有相似图像纹理假设,提取图像的几何矩作为伪氨基酸成分对未知蛋白质序列是否属于分泌蛋白进行预测,采用Jackknife算法进行测试,预测成功率与现有算法相比有很大的提高。     

哈斯矩阵图的G-蛋白偶联受体类型预测

利用氨基酸数字编码模型,将蛋白质序列转换为数字序列,根据偏序理论构建蛋白质哈斯矩阵。基于同一类型蛋白质哈斯矩阵图 具有相似图像纹理的假设,运用图像处理方法提取图像的几何矩作为伪氨基酸成分,对G-蛋白偶联受体类型分为2层进行预测,预测成功率分别为92.33%和85.48%。预测效果表明该方法是可行的。     

图像重建的自适应随机元胞自动机算法

随机元胞自动机（ＳＣＡ）是一种广泛意义上的随机松弛技术，是目前国际上流行的几种随机松弛技术的直接推广。本文首先介绍构造一类随机元胞自动机的几个条件，然后基于这几个条件，作者构造了几种用于由投影重建图像问题的算法。运行后得到了令人满意的结果。     

基于元胞自动机的教与学优化算法

为解决教与学优化(TLBO)算法易陷入局部最优的问题,提出了一种基于元胞自动机的教与学优化算法(CATLBO)。算法建立了四边形网状元胞自动机模型并指定其邻域结构和规则。为保持种群多样性,在教学阶段提出以一定的概率接收退步个体的策略;为加快收敛并保证解的精度,在学习阶段制定不同学习规则,劣势个体向优势个体学习,优势个体执行混沌扰动进行自我学习。使用多个Benchmark测试函数和经典TSP问题对算法进行了仿真。结果表明:CATLBO算法全局搜索能力强,与基本TLBO等算法相比,在处理高维多峰问题上更具优势。     

元胞自动机可逆性研究

元胞自动机是对复杂适应系统建模的重要理论工具。可逆性是元胞自动机的一个重要属性,是模拟物理可逆空间的必要条件。本文介绍元胞自动机的基本概念、可逆性和可计算性,并介绍一维可逆元胞自动机可计算的证明思路。     

道路网元胞自动机交通流仿真研究

对于交通流移动对象的模拟,论述了现有模型的不足,并提出基于道路网的元胞自动机模型（RN-CA）。该模型不仅模拟移动对象在交通流中的行为,还引入不同类型道路和车辆情况下的发车、跟车、超车和矫正模型,使模拟更精确、可靠。采用Dijkastra算法,综合考虑道路长度、车道数、流量、平均速度等因素动态计算最优行驶路径。对于行车时间预估,采用模拟加预估的方式,综合考虑当前和历史路况。为了改进系统的性能,系统采用可调节线程数目的模拟方式。     

基于OET-KNN算法的蛋白质二级结构类型预测

蛋白质二级结构类型预测是当今生物信息学研究的热点之一。利用氨基酸数字编码模型将氨基酸序列转换成数字信号,根据LZ复杂度的算法计算了氨基酸的伪氨基酸成分,再对伪氨基酸成分用OET-KNN算法进行分类预测。Jackknife测试结果表明该算法能使得预测成功率有较大的提高。     

基于元胞自动机扩展模型的图的最短路径算法

利用元胞自动机在元胞空间上的并行特性,采用元胞动态邻居,时间段自适应调整的方法,构造出一种新的基于元胞自动机扩展模型的最短路径搜索算法,即通过简单规则的元胞状态演化,得到带权图的最短路径;该方法经过优化,能够达到Dijkstra算法的时间效率;并且为基于元胞自动机扩展模型解决图的问题的提供了新的思路。     

基于元胞自动机的软件架构设计

探讨元胞自动机思想在软件架构设计领域内的应用。通过元胞抽象(Form、Controls、Operate、Process、Verify)和规则定义(显示加载规则、交互调用规则、提交卸载规则),构造出离散的可循环迭代的平行运算体系,实现普适各类业务的通用的软件架构设计。     

基于灰度共生矩阵的图像纹理特征提取分析

图像纹理作为一种重要的视觉手段,是图像中普遍存在而又难以描述的特征。目前常用的纹理特征提取的方法主要有统计方法、模型方法、信号处理方法和结构方法。灰度共生矩阵即为灰度级的空间相关矩阵,以其为基础的统计方法通过对矩阵统计量的求取较好地提取到了纹理特征,通过选取关键参数编程并进行仿真实现,分别求取了四个方向的灰度共生矩阵及其特征量来分析图像的纹理特征。     

基于SFA和GLCM的影像特征提取方法

针对遥感影像中同类样本差异性较大的缺点,提出一种基于SFA和灰度共生矩阵(GLCM)的遥感影像特征提取方法。对原始图像进行SFA变换,利用SFA的生物视觉特性消除图像中的同类差异性,对变换得到的图像进行GLCM计算,获得基于SFA和GLCM的新型特征。实验结果证明,SFA预处理能降低遥感影像的同类差异性,提高特征的可区分性,其效果优于传统的GLCM特征提取方法。     

基于改进的GLCM甲状腺纹理特征提取与分析

为了提高病变和正常的甲状腺核磁共振图像（MR）的分类准确率,提出了改进的窗口自适应灰度共生矩阵（Gray Level Co-occurrence Matrix,GLCM）纹理特征提取算法。采用基于统计的纹理特征GLCM算法提取感兴趣区域（ROIs）的纹理特征,由HOG特征启示,研究基于梯度信息的GLCM窗口自适应算法,考虑了梯度信息对GLCM中滑动窗口大小设置的影响,克服了传统方法的固定窗口对图像细节保留的影响,同时为了消除各向异性,取四个方向的共生矩阵的均值作为最终的共生矩阵,最后计算GLCM的相关、能量、对比、逆差矩和熵的均值和方差。对94幅甲状腺图像采用逻辑回归模型分析来预测分类准确度,结果显示,该方法优于其他的方法,对甲状腺图像诊断性能更好,预分类准确率达到96.8%,灵敏度97.90%,特异度95.7%,ROC曲线下面积（Area Under the Curve, AUC）为0.968。实验结果表明改进的GLCM能够有效辅助医生对甲状腺MR图像做出正确诊断。     

SUSAN边缘响应值灰度化转共生矩阵检索

SUSAN初始边缘响应矩阵元素值对应USAN中像素点总数,该统计值与响应矩阵元素分布均体现图像特征。若将该统计值视为灰度值,则响应矩阵中的元素分布特征可以视为灰度矩阵中的纹理特征。提出SUSAN边缘响应值灰度化转共生矩阵检索算法,即先计算图像的SUSAN边缘响应矩阵,再按映射规则转换为灰度矩阵,然后计算灰度共生矩阵及其各特征描述子,最后进行特征检索。实验显示,该算法的查全率与查准率在检索结果数量达到某临界点之后较为满意,且体现一定的仿射变换、亮度变化等不变性与抗噪鲁棒性。     

基于主色共生矩阵法的数码迷彩纹理特征提取

提出一种基于主色共生矩阵法的数码迷彩纹理特征提取方法.对RWM的主色提取法和灰度共生矩阵法进行改进与综合,在RWM法中增加比例因子避免主要颜色提取错误,在灰度共生矩阵法中增加颜色因子,综合分析纹理特征.实验结果证明,采用主色共生矩阵法提取纹理特征,所设计的数码迷彩视觉伪装效果较好.     

灰度共生矩阵提取纹理特征的实验结果分析

为使灰度共生矩阵(GLCM)提取的特征值较好地表达纹理信息,对Brodatz纹理库图片进行了大量实验。首先测试了各构造参数对关键特征统计量的影响,给出了特征值随参数变化的规律,确立了构造参数的合理取值;然后测试了图像旋转和大小变化对所提取特征值的影响。实验结果对优化灰度共生矩阵的构造、实现基于纹理的图像检索有参考意义。     

基于语义的图像低层可视特征提取及应用

为实现图像低层可视特征提取及其智能语义推理,从遥感图像解译入手,结合灰度共生矩阵和模糊C均值分类器提取图像纹理特征。构造基于灰度形态学的多尺度多结构元素边缘检测算子,提取特征知识。构建基于断层带的多源地学数据语义推理模型。以成都附近的断层为研究对象,进行语义推理验证,其解译结果与专家实地解译情况相符,初步验证该模型的可行性,使图像的机器分析结果更加贴近专业人员的目视解译,为地学研究数字化和遥感图像解译信息化提供参考。     

基于ADL小波变换的图像压缩算法

提出一种基于自适应方向提升(ADL)小波变换的图像压缩算法。根据灰度共生矩阵角二阶矩的差异,将图像分割成平坦性不同的分块。对纹理信息较少的块,采用一般提升小波变换以减少变换时间。对纹理信息较多的块,采用方向提升小波以提高变换效果。结合多级树集合分裂编码和算术编码对变换系数和方向信息分别进行编码。实验结果表明,与ADL算法相比,该算法能有效减少方向小波变换时间。     

蛋白质二级结构预测的一种新的编码方式

编码方式是影响蛋白质二级结构预测准确率的重要因素之一。针对单序列蛋白质二级结构预测问题,提出了一种新的综合编码方法。该编码是根据氨基酸出现在每种二级结构中的倾向因子以及氨基酸的疏水性值进行分类,并以二进制形式来表示每类氨基酸的编码方法。在相同的实验条件下,首先用不同的编码方式对数据集CB513进行编码,然后采用支持向量机的方法进行训练建模预测。实验结果显示提出编码的预测准确率比20位正交编码和5位编码分别高出1.48%和10.68%。可见,该编码比较适合非同源或低同源蛋白质结构预测。