2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、蛋白質(zhì)只有在正確的亞細(xì)胞結(jié)構(gòu)下才能正常參與細(xì)胞中的各項(xiàng)生命活動。同一種蛋白質(zhì)隨著所在細(xì)胞器的不同,功能會發(fā)生相應(yīng)變化。確定蛋白質(zhì)所處細(xì)胞器位置即蛋白質(zhì)亞細(xì)胞定位對于判定蛋白質(zhì)功能具有重要意義。應(yīng)用實(shí)驗(yàn)方法進(jìn)行蛋白質(zhì)亞細(xì)胞定位研究費(fèi)時、費(fèi)力、成本高。基于已有的實(shí)驗(yàn)數(shù)據(jù)應(yīng)用計(jì)算方法預(yù)測蛋白質(zhì)所處細(xì)胞器是解決上述問題的關(guān)鍵。但傳統(tǒng)的基于蛋白質(zhì)氨基酸序列的亞細(xì)胞定位方法很難檢測到蛋白質(zhì)功能發(fā)生變化的部位,而利用圖像中的視覺信息則可以克服傳統(tǒng)方法

2、的不足。近年來,基于圖像的蛋白質(zhì)亞細(xì)胞定位方法成為生物圖像信息學(xué)研究的熱點(diǎn)之一。
  鑒于局部二值模式(LBP)已在人臉識別等領(lǐng)域獲得了較好的識別性能,并開始應(yīng)用于蛋白質(zhì)亞細(xì)胞定位研究。因此,本研究擬利用RandTag蛋白質(zhì)圖像數(shù)據(jù)集,從LBP算法的不同變體中選擇局部三值模式(LTP)、噪聲容忍局部二值模式(NTLBP)、局部相位量化(LPQ)和局部配置模式(LCP)作為圖像特征提取方法,應(yīng)用SVM分類方法預(yù)測蛋白質(zhì)所處的細(xì)胞器,

3、根據(jù)分類性能從中篩選高效的蛋白質(zhì)圖像的特征提取方法。除此之外,應(yīng)用基于夏普利值的自下而上特征選擇方法篩選與蛋白質(zhì)亞細(xì)胞定位相關(guān)的特征子集,用樸素貝葉斯方法進(jìn)行分類。本研究提出的LCP結(jié)合SVM(LCP-SVM)得到最大分類精度;使用基于夏普利值的自下而上特征選擇,LCP得到的特征子集最具代表性,結(jié)合樸素貝葉斯方法也能獲得較好的預(yù)測性能,同時其運(yùn)行所需時間比LCP-SVM少。實(shí)驗(yàn)結(jié)果表明:LCP特征提取算法是最優(yōu)的圖像特征提取方法。所結(jié)合

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論