导读:本文包含了融合标签论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:标签,病毒,载体,张量,卷积,关联性,神经网络。
融合标签论文文献综述
秦强,生佳根,严长春[1]（2019）在《多特征融合的标签传播算法》一文中研究指出论文在分析常用社区发现算法的优缺点时,指出了标签传播算法(LPA)具有时间复杂度低、不需要预先设置社区个数、计算过程简单,在处理大型复杂网络时,具有较高的效率的特点。但该算法在标签传播的过程中,未考虑到相邻节点在网络结构以及内容中的相似性。因此论文从节点相似度角度出发,提出了多特征融合的标签传播算法。该算法首先利用SimRank算法计算网络中节点的结构相似度,同时使用主体模型得到节点内容的主题分布,并计算不同节点主题分布的相似度,最终融合两种相似度,为邻接节点传播来的标签,赋予相应的权重,以此来改进传播策略。实验比较,该算法较优于传统的标签传播算法。(本文来源于《计算机与数字工程》期刊2019年12期）
芦玥,马瑜,王慧,王原[2]（2019）在《基于U-Net的多图谱标签融合算法》一文中研究指出为有效提高海马体多图谱分割算法的精度,将U-Net卷积神经网络用于海马体MR多图谱分割的标签融合。算法在图谱选择阶段,计算互信息、梯度相似性选择图谱,避免周围组织结构对图谱选择的干扰,选择与目标图谱更贴合的浮动图像组。在预处理阶段,提取以海马体为中心的感兴趣区域有效降低数据规模。在配准过程中,利用重采样代替粗配准环节,减少了"粗"配准环节所需时间,再采用具有良好的平滑性、连续性和拓扑保持性的微分同胚Demons精配准算法。在标签融合阶段,提出基于深度学习理论改进的U-Net多图谱MRI海马体分割算法。实验结果表明,改进的算法分割精度较于传统算法平均提高了5%,算法时间缩短了50%左右。改进后的基于U-Net的多图谱海马体分割算法对目标图像海马体的分割具有高精度、高效率的特点。(本文来源于《液晶与显示》期刊2019年11期）
汪涛,潘芳,潘郁,朱晓峰[3]（2019）在《一种融合时间权重的张量分解标签推荐模型》一文中研究指出在针对用户标签的个性化推荐中,为解决因热门标签和资源所导致的标签推荐准确性不足的问题,文章提出了一种融合时间权重的张量分解模型,通过对用户标注标签事件的时间信息建模,计算时间权重,再将权重融入张量分解模型,最后利用分解后的特征向量进行推荐。基于Bibsonomy和LastFM数据集进行的实验结果表明,算法在准确率-召回率和F1指标上均高于其他流行标签推荐模型。通过时间权重的引入,构建融合时间权重的张量分解标签推荐模型,对个性化标签推荐的准确性有较好的提升。(本文来源于《统计与决策》期刊2019年21期）
贾伟,刘旭艳,徐彤阳[4]（2019）在《融合用户智能标签与社会化标签的推荐服务》一文中研究指出【目的/意义】通过对用户和资源进行挖掘帮助用户找到自己感兴趣的资源已成为新网络环境下普遍存在的服务方式之一,图书资源推荐服务不仅可以提高图书资源利用率,而且对于满足读者需求、提高用户满意度具有重要现实意义。【方法/过程】针对目前图书推荐过程中存在的问题,提出融合人工智能和社会化标签的方法实现书目推荐的思路,在深入分析用户兴趣与社会化标签、相似用户群之间的关系的基础上,提出一种融合用户智能标签与社会化标签的推荐方法,并给出该推荐方法的详细流程。【结果/结论】实验结果表明,与传统的方法相比,本文提出的融合方法具有更好的效果。(本文来源于《情报科学》期刊2019年10期）
陈氢,冯进杰[5]（2019）在《融合地理标签数据的个性化信息服务应用研究》一文中研究指出[目的/意义]社交媒体网站的飞速发展为我们贡献了海量数据,通过对这些数据的进一步挖掘,可以实现个性化服务推荐。[方法/过程]本文利用地理标签中的丰富的元数据信息,结合基于密度的DBSCAN聚类算法和TF-IDF的统计方法,来提取和识别当地的景点区域,然后结合季节来计算景点的热度,最后运用基于混合过滤的推荐算法,为游客实现个性化旅游服务推荐。[结果/结论]通过Flickr网站爬取到的Geo-tagged数据集验证了本文提出方法的有效性。(本文来源于《现代情报》期刊2019年10期）
王明,崔冬,李刚,顾广华[6]（2019）在《融合判别区域特征与标签传播的显着性目标检测》一文中研究指出为了提高图片在复杂场景下检测的准确率与鲁棒性,本文提出了一种融合判别区域特征与标签传播的显着性目标检测算法。首先利用判别区域特征方法形成一个判别区域特征显着图;然后利用标签传播算法得到标签传播显着图;最后,通过一个指数函数将两者融合形成最终的目标显着图。本文提出的方法在公开的数据集中测试并与现有的6种算法进行比较,实验结果证明了本文算法的有效性和可靠性。(本文来源于《燕山大学学报》期刊2019年05期）
薛丽霞,江迪,汪荣贵,杨娟[7]（2019）在《融合注意力机制和语义关联性的多标签图像分类》一文中研究指出卷积神经网络在单标签图像分类中表现出了良好的性能,但是,如何将其更好地应用到多标签图像分类仍然是一项重要的挑战。本文提出一种基于卷积神经网络并融合注意力机制和语义关联性的多标签图像分类方法。首先,利用卷积神经网络来提取特征;其次,利用注意力机制将数据集中的每个标签类别和输出特征图中的每个通道进行对应;最后,利用监督学习的方式学习通道之间的关联性,也就是学习标签之间的关联性。实验结果表明,本文方法可以有效地学习标签之间语义关联性,并提升多标签图像分类效果。(本文来源于《光电工程》期刊2019年09期）
左登攀,陈相儒,赵添羽,张永亮,王颖[8]（2019）在《N端融合检测标签的pMDC32植物表达载体系列的构建》一文中研究指出Gateway植物表达载体pMDC32主要组成元件包括启动子、Gateway盒(attR1-ccdB-attR2)、终止子和用于选择转基因植物的筛选标记基因。所用的启动子是组成型启动子为烟草花叶病毒(CaMV)双增强启动子(2×CaMV 35S)。本实验室已在表达载体pMDC32attR2区C端插入3*Flag序列的pMDC32-MCS-3*flag载体,为了便于实验中目的基因N端融合检测标签,本文在以pMDC32为骨架基础上进一步构建了可在目的蛋白N端带有3*Flag、3*HA和3*Flag-3*HA检测标签的系列表达载体,分别命名为pMDC32-3*Flag-MCS、pMDC32-3*HA-MCS和pMDC32-3*Flag-3*HA-MCS,3种载体构建策略分别如下。首先合成了3*Flag-3*HA基因并连在pUC57-simple-225载体上,通过KpnⅠ/Sa/Ⅰ双酶切获得3*Flag-3*HA (KpnⅠ/SalⅠ)片段,插入已用KpnⅠ/SalⅠ双酶切获得pMDC32 (KpnⅠ/SalⅠ)线性化载体中,获得重组载体pMDC32-3*Flag-3*HA-MCS,表达目的蛋白时可根据多克隆位点酶切插入基因(插入目的基因5′端可使用HindIII/SalⅠ酶切位点,3′端可使用PacⅠ/SpeⅠ/SacI)。pMDC32-3*Flag-MCS构建首先基于携带3*Flag-3×HA基因的pUC57-simple-225载体PCR扩增3*Flag(KpnⅠ/SpeI)片段,再将3*Flag(KpnⅠ/SpeⅠ)片段插入已用KpnⅠ/SpeⅠ双酶切获得的pMDC32 (KpnⅠ/SpeⅠ)线性化载体中,获得pMDC32-3*Flag-MCS重组载体,表达目的蛋白时可根据多克隆位点酶切插入基因(插入目的基因5′端使用SPeI酶切位点,3′端使用SacⅠ)。pMDC32-3*HA-MCS构建以pMDC32-3*Flag-3*HA-MCS载体以BamHI/BglⅡ进行双酶切后回收pMDC32-3*HA的载体,自连接获得pMDC32-3*HA-MCS重组载体,表达目的蛋白时可根据多克隆位点酶切插入基因(插入目的基因5′端可使用HindⅢ/SalⅠ酶切位点,3'端可使用PacⅠ/SpeⅠ/SacⅠ)。本实验对Gateway表达载体pMDC32改造后获得N端带有检测标签的载体,均能够在植物中进行瞬时表达目的基因及进行转基因遗传转化,并获得很好的表达效果,为重要基因功能研究及植物遗传转化获得转基因遗传材料提供了便利。(本文来源于《中国植物病理学会2019年学术年会论文集》期刊2019-07-20）
文继锋,申欢欢,龚永平,易可可,杨智捷[9]（2019）在《叁种融合标签对大熊猫轮状病毒结构蛋白VP6-VP7可溶性表达的影响》一文中研究指出大熊猫轮状病毒(giant panda rotavirus,GPRV)是引起幼龄大熊猫腹泻的主要病原,对圈养大熊猫产生了较大的危害。轮状病毒结构蛋白VP6是一种载体蛋白,可介导黏膜免疫反应。VP7是轮状病毒结构蛋白中主要的中和抗原。因此,VP6-VP7的融合表达作为候选抗原对该病的防治具有重要的意义。传统大肠埃希菌原核表达存在表达量低、可溶性差以及纯度低等弊端。本研究使用醛缩酶(EDA)、谷胱甘肽S-转移酶(GST)、麦芽糖结合蛋白(MBP)3种融合标签,以实现获得表达量高和纯度高的GPRV-VP6-VP7重组表达蛋白。将扩增的VP6、VP7基因片段利用同源重组酶构建到含3种融合标签的表达载体pET21b上,将重组质粒转化至大肠埃希菌Rosetta(DE3)感受态细胞中进行低温诱导表达。用Ni-柱亲和层析法纯化目的蛋白,SDS-PAGE和Image J分析蛋白表达量和可溶性,Western blot分析得到表达的重组表达蛋白正确且具有蛋白活性。实验结果证明,EDA标签能显着促进VP6-VP7蛋白的原核可溶性表达,提高VP6-VP7蛋白表达量。(本文来源于《浙江农业学报》期刊2019年07期）
王宇[10]（2019）在《表达FLAG标签融合VP1蛋白的重组IBDV拯救及其作为致弱疫苗候选株评估研究》一文中研究指出鸡传染性法氏囊病(Infectious bursal disease,IBD)是一种由其病原体鸡传染性法囊病病毒(Infectious bursal disease virus,IBDV)感染而引起的在雏鸡中急性并具有高度传染性和免疫抑制性的疾病。疫苗免疫是防控的主要手段,随着变异毒株(Variant IBDV)和高致病力的超强毒株(Very virulent IBDV,vvIBDV)的出现,开展新型疫苗株的构建研究十分必要。IBDV属双链RNA(dsRNA)病毒科(Birnaviridae),其基因组由A、B二个节段dsRNA所组成。在本研究中,成功构建了一种高效的双启动子RNA polymerase(Pol I)-Pol II反向遗传系统,可以在无需VP1和VP3辅助的情况下完全从克隆的cDNA直接拯救重组IBDV。我们将IBDV-A44株A片段和B片段基因组分别克隆在真核表达载体pCI-neo的CMV启动子和polyA之间,构建IBDV感染性克隆p2-mA和p2-mB,直接转染293T细胞,72h后取上清继续在DF-1细胞上传代,直接拯救出与亲本毒有一致的复制动力学重组病毒。进一步,我们在VP1的C末端引入8-aa FLAG表位(DYKDDDDK),得到表达FLAG标签的A44/FLAG拯救毒株。通过RT-PCR、间接免疫荧光、序列测定、Western-blot及透射电镜等均检测到了拯救的IBDV及融合表达的VP1蛋白FLAG标签。通过病毒空斑实验、复制动力学试验和SPF鸡攻毒试验,显示尽管与亲本病毒的病毒复制动力学具有相似的模式,但表达FLAG标签融合VP1的重组病毒在DF-1细胞系斑块表型显着减少,以及对法氏囊的损伤显着减少。此外,重组FLAG标记的IBDV具有与亲本毒株相当水平引发针对VP2的中和抗体的能力,并且在单次免疫时,赋予针对野生型IBDV的后续致死攻击的完全保护。总之,该研究表明,拯救的表达FLAG标签融合VP1的重组病毒可作为减毒活IBDV疫苗株;编码VP1的B区段基因中外源表位序列的靶向插入是用于设计减毒很好的策略,对探索IBDV分子致弱机制与研发适合于流行毒株的新型疫苗具有重要意义。(本文来源于《浙江农林大学》期刊2019-06-05）
融合标签论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为有效提高海马体多图谱分割算法的精度,将U-Net卷积神经网络用于海马体MR多图谱分割的标签融合。算法在图谱选择阶段,计算互信息、梯度相似性选择图谱,避免周围组织结构对图谱选择的干扰,选择与目标图谱更贴合的浮动图像组。在预处理阶段,提取以海马体为中心的感兴趣区域有效降低数据规模。在配准过程中,利用重采样代替粗配准环节,减少了"粗"配准环节所需时间,再采用具有良好的平滑性、连续性和拓扑保持性的微分同胚Demons精配准算法。在标签融合阶段,提出基于深度学习理论改进的U-Net多图谱MRI海马体分割算法。实验结果表明,改进的算法分割精度较于传统算法平均提高了5%,算法时间缩短了50%左右。改进后的基于U-Net的多图谱海马体分割算法对目标图像海马体的分割具有高精度、高效率的特点。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
融合标签论文参考文献
[1].秦强,生佳根,严长春.多特征融合的标签传播算法[J].计算机与数字工程.2019
[2].芦玥,马瑜,王慧,王原.基于U-Net的多图谱标签融合算法[J].液晶与显示.2019
[3].汪涛,潘芳,潘郁,朱晓峰.一种融合时间权重的张量分解标签推荐模型[J].统计与决策.2019
[4].贾伟,刘旭艳,徐彤阳.融合用户智能标签与社会化标签的推荐服务[J].情报科学.2019
[5].陈氢,冯进杰.融合地理标签数据的个性化信息服务应用研究[J].现代情报.2019
[6].王明,崔冬,李刚,顾广华.融合判别区域特征与标签传播的显着性目标检测[J].燕山大学学报.2019
[7].薛丽霞,江迪,汪荣贵,杨娟.融合注意力机制和语义关联性的多标签图像分类[J].光电工程.2019
[8].左登攀,陈相儒,赵添羽,张永亮,王颖.N端融合检测标签的pMDC32植物表达载体系列的构建[C].中国植物病理学会2019年学术年会论文集.2019
[9].文继锋,申欢欢,龚永平,易可可,杨智捷.叁种融合标签对大熊猫轮状病毒结构蛋白VP6-VP7可溶性表达的影响[J].浙江农业学报.2019
[10].王宇.表达FLAG标签融合VP1蛋白的重组IBDV拯救及其作为致弱疫苗候选株评估研究[D].浙江农林大学.2019
论文知识图
