序列设计支持系统论文_魏东军

导读:本文包含了序列设计支持系统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:序列,动态,向量,数组,矩阵,后缀,得分。

序列设计支持系统论文文献综述

魏东军^[1]（2015）在《支持得分矩阵的生物序列匹配系统的设计与优化》一文中研究指出随着基因测序技术的发展,人类每天可以获得大量的生物序列数据。生物信息学中的一个重要课题是对序列片段表现出的模式特征进行识别,通过比对和分析,挖掘隐藏在海量序列数据中的生物学信息,帮助解决生物、医疗等领域的难题。位置特异性得分矩阵作为生物序列模式的一种表示形式,在生物序列分析中有着广泛的应用。快速地从生物序列中找到与得分矩阵相匹配的基因片段,成为分析和解读生物序列数据的重要前提与关键技术。目前,广泛使用的生物序列匹配系统在进行得分矩阵匹配时,采用简单的滑动窗口方式计算每个可能位置的片段得分,将满足阈值的片段加入结果集,时间复杂度很高。近些年,有大量的研究工作致力于解决得分矩阵的快速匹配问题,其中大部分都是围绕着为生物序列建立索引进行的。在匹配开始前,为生物序列建立后缀树或者后缀数组索引,使得在匹配得分矩阵的过程中,可以同时略过大量候选位置的计算,大大提高匹配效率。但是由于后缀树或者后缀数组自身的结构特点,会占用大量的内存,严重限制了算法的适用性。本文首先在现有工作的基础上对基于增强后缀数组的ESAsearch算法进行改进,使用迭代的方式逐层对后缀数组进行压缩,提出了内存占用更少的CSAsearch算法,在保持原有算法匹配性能的同时,提升了其对较大生物序列集的处理能力。之后,根据得分矩阵构建查询树,本文将得分矩阵匹配问题转化为字符串匹配问题,提出了基于BWT自索引结构的BWT_M算法。当得分阈值较小时,该算法的匹配效率明显优于已有算法,并且内存占用很小。最后,结合多种优化技术,设计了支持得分矩阵的生物序列匹配系统,并在该系统上运行了大量的实验。通过实验结果本身及对实验结果的分析调整索引结构参数,分析了各个算法在不同影响因素下的匹配性能,同时体现了本系统在匹配效率和内存占用上的优势。(本文来源于《东北大学》期刊2015-06-01）

蔡春,万潇楠,逯燕玲^[2]（2005）在《基于支持向量机的DNA序列分类系统的设计与实现》一文中研究指出针对传统统计方法进行DNA序列分类时要求DNA序列样本的概率分布函数已知,但多数情况下概率分布函数未知这一问题,采用支持向量机这一新的机器学习方法对DNA序列进行分类;以VB和Matlab为主要工具开发了基于支持向量机的DNA序列分类系统。结果表明:该系统能够动态选择DNA训练样本、待测试样本,以及支持向量机模型中的参数,并根据用户的指定条件动态输出计算结果;对于预测一批已知正确分类答案的DNA序列,系统能够自动统计识别率,以观察参数变化对于算法执行结果的影响。支持向量机能够在概率分布函数未知的条件下对DNA序列进行分类(本文来源于《中国农业大学学报》期刊2005年02期）

序列设计支持系统论文开题报告

（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：

针对传统统计方法进行DNA序列分类时要求DNA序列样本的概率分布函数已知,但多数情况下概率分布函数未知这一问题,采用支持向量机这一新的机器学习方法对DNA序列进行分类;以VB和Matlab为主要工具开发了基于支持向量机的DNA序列分类系统。结果表明:该系统能够动态选择DNA训练样本、待测试样本,以及支持向量机模型中的参数,并根据用户的指定条件动态输出计算结果;对于预测一批已知正确分类答案的DNA序列,系统能够自动统计识别率,以观察参数变化对于算法执行结果的影响。支持向量机能够在概率分布函数未知的条件下对DNA序列进行分类

（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。