期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于UML的高校实验室材料管理系统设计 被引量:4
1
作者 严玥 徐子珊 《实验室研究与探索》 CAS 2006年第8期922-924,927,共4页
针对目前高校实验室材料管理工作面临的问题,给出了一个利用UML实现实验室材料管理系统的设计方案,并对其功能、特点进行了说明。
关键词 实验室材料 管理 UML 建模
在线阅读 下载PDF
基于隐马尔可夫模型的DNA序列识别 被引量:7
2
作者 罗泽举 李艳会 +1 位作者 宋丽红 朱思铭 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2007年第8期123-126,共4页
利用隐马尔可夫模型训练中不同结构的DNA序列的L值分布范围不同的特点,对传统多类投票模型进行改进,提出一种优于传统算法的快速训练算法,该算法只需训练出一类隐马尔可夫模型参数.对DNA内含子和外显子序列进行识别,平均识别率达到了90.... 利用隐马尔可夫模型训练中不同结构的DNA序列的L值分布范围不同的特点,对传统多类投票模型进行改进,提出一种优于传统算法的快速训练算法,该算法只需训练出一类隐马尔可夫模型参数.对DNA内含子和外显子序列进行识别,平均识别率达到了90.8%.与支持向量机相比,隐马尔可夫模型在解决多分类问题方面具有优势,不但计算时间少,而且识别率高. 展开更多
关键词 隐马尔可夫模型 DNA序列 内含子 外显子 识别 快速训练算法
在线阅读 下载PDF
基于新型特征提取的寄生虫卵图像识别研究 被引量:9
3
作者 罗泽举 宋丽红 +1 位作者 伍小明 詹希美 《计算机应用》 CSCD 北大核心 2007年第6期1485-1487,共3页
讨论了用支持向量机进行多分类的若干学习策略,提出了一种新型图像特征提取方法,以此来实现对鞭虫等九种寄生虫卵图像自动识别和分类,平均识别率优于传统神经网络,达到了93.9%,为寄生虫卵图像识别提供了一种新方法。
关键词 支持向量机 新型特征提取 寄生虫卵识别
在线阅读 下载PDF
基于独立成分分析的分解向前SVM降维算法 被引量:2
4
作者 罗泽举 宋丽红 朱思铭 《计算机应用》 CSCD 北大核心 2007年第9期2249-2252,共4页
提出一种基于大样本学习的分解向前支持向量机算法和一种新的基于独立成分分析的降维学习模型,其算法的复杂度比传统块算法和标准SVM低。利用不完备ICA思想,达到数据压缩而降维的目的。实验发现,由于降低了输入维数,简化了数据结构,从... 提出一种基于大样本学习的分解向前支持向量机算法和一种新的基于独立成分分析的降维学习模型,其算法的复杂度比传统块算法和标准SVM低。利用不完备ICA思想,达到数据压缩而降维的目的。实验发现,由于降低了输入维数,简化了数据结构,从而减少了SVM识别的计算复杂度,当把向量维数从110维降低到5维时,平均识别率超过传统神经网络达到93%,因而从计算时间和识别效率二者的综合情况来考虑,ICA降维模型是一种理想的实际应用模型。 展开更多
关键词 独立成分分析 分解向前支持向量机 蛋白质序列识别
在线阅读 下载PDF
MPLS网络中的流量工程分析 被引量:1
5
作者 严玥 周乐 《四川兵工学报》 CAS 2003年第3期29-31,共3页
文章分析了在MPLS上的流量工程,并着重讨论在安全、网络负担以及数据存储要求等方面,RSVP与CR-LDP这两种协议在实现流量分析上的具体区别。
关键词 多协议标签交换协议网络 MPLS 流量工程 包转发 信息发布 路径选择 资源预留协议 “基于约束德路由标记分配协议” RSVP CR-LDP 安全 网络负担 数据存储
在线阅读 下载PDF
非对称DNA序列混合识别模型研究
6
作者 罗泽举 宋丽红 +1 位作者 李艳会 朱思铭 《计算机科学》 CSCD 北大核心 2007年第12期207-210,共4页
建立了一种改进的不对称支持向量机(MISVM)和隐马尔可夫模型结合的混合学习模型,对于实际中具有的不对称样本数据集,采用调整Hessian矩阵对角参数的策略,增大数据量少的样本离超平面的距离,再结合隐马尔可夫谱变换,以达到更加精确地分... 建立了一种改进的不对称支持向量机(MISVM)和隐马尔可夫模型结合的混合学习模型,对于实际中具有的不对称样本数据集,采用调整Hessian矩阵对角参数的策略,增大数据量少的样本离超平面的距离,再结合隐马尔可夫谱变换,以达到更加精确地分离不对称样本的目的。实验发现,不能简单利用正负两类样本所占百分比或固定参数来改变核函数矩阵的对角参数,而必须加之以可调整的权系数才能控制错分的样本数;经改进后的混合不对称学习算法比标准SVM具有更高的分辨率,对启动子序列进行识别,平均识别率达到91.8%。 展开更多
关键词 非对称DNA序列 核参数 隐马尔可夫谱
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部