排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
针对现有基因表达数据投影聚类算法假定基因相互独立,根据每个基因的独立区分度选择相关投影空间的不足,提出了根据基因间相互关系进行投影聚类的算法MOLION.通过将基因表达数据转换为序列数据,基于设定的用户偏好函数,采用分界判定法对样本穷举树进行快速地深度优先遍历,同时应用了高效的削减和优化策略.几个真实微阵列数据集上的实验证实了提出的算法具有较高的效率和预测准确性,为考察疾病表型的形成原因提供了一个新视角. 相似文献
2.
多路径并行传输(CMT)是一个基于流控制传输协议(SCTP)的新传输协议,它使用SCTP协议的多宿特性,在一条端到端偶联中的多条路径上并行地进行数据分发,相对单路径传输具有聚合带宽、可以提高端到端吞吐量的优点.文中针对受限接收缓存下发送窗口是否受接收窗口影响两种情况分别对多路径并行传输进行建模,提出了基于发送窗口和接收窗口关联的CMT吞吐量模型.首先以轮为单位,分别对两种情况下的超时阶段、慢开始阶段和拥塞避免阶段的拥塞窗口进行了分析.其次,综合3个阶段传输情况,得到1个多路径并行传输过程中,稳态吞吐量关于RTT、RTO和丢包率的函数关系,它能够很好地估计多路径并行传输协议在受限接收缓存下稳态吞吐量.最后,通过仿真实验和结果分析验证了多路径并行传输吞吐量模型的有效性和准确度. 相似文献
3.
为了有效地利用蛋白质串联质谱数据,进一步提高蛋白质鉴定的准确性,提出一种基于决策树的蛋白质鉴定结果的二次评价算法.目前,串联质谱已经成为解决蛋白质鉴定问题的最为有效的技术手段.随着蛋白质串联质谱数据的大量聚集,蛋白质鉴定算法也日益增加.然而,现有的蛋白质鉴定算法通常返回数量庞大的结果列表,因此对列表中的鉴定结果进行二次评价是提高蛋白质鉴定准确性的一个重要环节.针对此问题,首先利用频繁模式挖掘方法获得了b离子的特征信息,进而基于决策树理论提出一种蛋白质鉴定结果的二次评价算法即ReCheck算法.实验结果表明,该算法有效的提高了蛋白质鉴定的准确性. 相似文献
4.
5.
母线负荷波动性强、易受用户用电行为的影响,接入分布式光伏电源(Distribution Generator,DG)后,其出力波动会进一步增加母线净负荷不确定性。针对此问题,提出以随机森林(Random Forest,RF)作为预测器,分别预测光伏DG出力与母线负荷的母线净负荷预测新方法。文章构建含气象与社会信息等因素在内的高维原始特征集合,并以原始特征集合分别构建光伏DG出力与母线负荷RF预测器。在RF训练过程中,以PI值分析原始特征集合各特征重要度并排序;以不同维度特征子集RF模型预测准确率作为决策变量,采用前向特征选择法,确定最优特征子集,并构建最优预测器;最后,以母线负荷预测值减去光伏DG出力获得母线净负荷预测值。以某地区实际含光伏电源母线数据开展实验,验证了新方法的有效性与先进性。 相似文献
6.
提出了一种基于细节点的指纹匹配方法。定义了一种新的结构邻接特征联合体(AFU),并用这个与旋转和平移无关的局部特征与指纹细节点进行比对;利用纹路的频率和块方向信息对细节点的位置和方向进行重新调整以增加匹配的可靠性。实验结果表明该方法可以很好地处理指纹中出现的形变问题,具有较好的匹配效果。 相似文献
7.
光伏电源并网后,配电网母线负荷波动会更复杂,峰值负荷预测更加困难。为提高母线峰值负荷预测精度,文章提出了计及复杂气象影响的母线峰值负荷预测方法。首先,根据不同气象日下累积的历史数据,通过条件互信息分析母线峰荷数据与高维气象、社会等特征间相关性,获得特征重要度排序;其次,在条件互信息降低潜在特征集合特征间冗余性基础上,针对不同气象日,以改进粒子群优化极限学习机预测精度为决策变量,开展针对性前向特征选择,确定不同最优特征子集;最后,根据最优特征子集,针对性建立不同气象日下母线峰值负荷最优预测模型。以某地区实际含高渗透率光伏电源母线负荷开展实验,证明所提方法可有效提高母线峰荷预测精度。 相似文献
8.
9.
10.
为了有效的利用蛋白质串联质谱数据,提高蛋白质鉴定的准确性,提出一种基于KNN的蛋白质序列与蛋白质串联质谱的匹配打分算法.蛋白质序列与蛋白质串联质谱的匹配打分是蛋白质数据库搜索鉴定过程中的关键技术.然而,现有的算法没有很好的利用蛋白质串联质谱中离子的强度信息.针对此问题,本文根据质谱中离子的类型给出了全体离子的一个合理的划分.进而抽象出一个高维的强度特征向量,在已知的高精度的数据集上建立了强度匹配知识集合,最后基于KNN技术构造了序列和质谱的匹配打分算法.实验结果表明,本文算法更加有效的利用了蛋白质串联质谱的结构信息,提高了蛋白质鉴定的准确性. 相似文献