基于启发式原理的基因芯片图像自动网格定位

来源 :2010年全国模式识别学术会议(CCPR2010) | 被引量 : 0次 | 上传用户:WHBGODWHBGOD
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基因芯片图像的网格定位是进行芯片分析的前提和关键,已有的网格定位方法,由于不能动态确定处理过程中所需要的各种参数,导致方法的准确性和可靠性依赖于人工经验值。本文首先通过对基因芯片图像的分析,利用基因芯片图像中信号点(基因点)位置排布比较规则这一特征,将网格定位问题转化为一种优化问题。然后提出用启发式自动搜素的方法寻求优化问题最优解,最终实现基因芯片图像的自动化定位效果。实验表明该方法定位准确性高,对外部参数依赖性小,算法简单易行。
其他文献
基于改进的迭代自组织聚类的局部保持映射算法是在局部保持映射算法的基础上,根据贝叶斯准则,采用基于改进的迭代自组织聚类算法确定降维维数。实验证明,采用本方法确定的降维维数更符合实际的最佳降维维数,在图像检索应用方面效果也比主成分分析更好。这是因为本方法考虑了维数和类别数关系,不但没有破坏原始的数据结构,而且最大化地消除了高维向量间的相关性和冗余度,提高了检索精度。
活动轮廓模型经过十几年的发展,已被众多的研究者成功地应用于图像边缘提取、图像分割和分类、图像配准和3D重建等许多领域。在应用过程中,活动轮廓模型本身也获得了不断的完善和发展,涌现出多种类型的活动轮廓模型。Soloblev活动轮廓模型即为最新涌现出的一种富有发展潜力的活动轮廓模型,在某种意义下它可以被认为是一种整体模型,对传统模型有多方面的改进。目前,对它的应用报道尚不多见,但它有望成为一种重要的图
提出用循环对称划分的支持向量机方法解决多分类问题。该算法将多类问题的类别环形排列,依次进行对称划分,构造纠错输出编码矩阵。根据求得的纠错输出编码矩阵,用解码函数水解待求样本的类别。在ORL标准人脸库上进行实验,结果表明,该算法具有较好的分类效果。
支持向量机(SVM)方法并不假设样本的分布条件,它是基于结构风险最小化原则,对小样本情况下的学习问题给出最优解,并且在样本趋于无穷时可以保持良好的一致收敛性。MSVM方法是在SVM的基础上,通过记忆功能,用历次反馈的累积样本代替一次反馈样本,从而增加了学习样本数量,减小了查准率的振荡,提高了检索精度:同时为了减轻用户负担,提出了记忆性标注。实验证明MSVM方法可以避免因训练样本集过小而出现的局部最
单元的密度和质心反映了单元内数据分布特征,利用单元内数据分布特征提出了基于网格相邻关系的多密度聚类算法GAMD。该算法用单元间的相对密度和单元质心距离的相对数来衡量单元间的相似度,并确定边界单元的数据归属,有较高的时间效率。为检验聚类的有效性,提出了拟合度的概念。实验结果表明,该算法能发现任意形状的簇,并能有效地对多密度数据集进行聚类,且聚类结果与数据输入顺序和单元顺序无关。
应用形态梯度算子检测图像边缘关键是选取合适的结构元素。基于量子坍塌理论提出一种新的测量算子,将可疑噪声像素点坍塌为0态,不参与形态运算。量子叠加态结构元素大小随噪声强度自适应增加,从而建立新的量子坍塌形态梯度算子,并应用于脉冲噪声图像边缘检测。实验结果表明,该方法具有很强的抗噪能力,与传统形态梯度算子检测无噪声图像边缘相比,其归一化均方误差随噪声强度增加缓慢:对无噪声图像边缘检测时,该算法与传统形
提出了一种基于三维直方图的模糊划分Renyi熵分割算法。用模糊概率和条件概率来定义模糊划分Renyi熵。然后在向量空间内采用蚁群算法搜索最优参数,利用隶属函数实现图像分割。MATLAB仿真实验表明该方法能够有效地应用于实时视觉场合,对噪声及杂散点等干扰的抑制性能显著优于对比方法。
芋螺毒素属于二硫键丰富的小肽类,它们是代谢通路中重要的目标神经受体。因此,它们有望成为治疗阿尔茨海默氏症,帕金森氏病和癫痫的重要治疗药物。准确地预测芋螺毒素的超家族对于了解它们的生物和药理性质具有重要的意义。在这篇文章中,提出了一种名为dHKNN的算法来预测芋螺毒素超家族。首先,从物理化学性质、进化信息、二级结构预测、氨基酸组成方面提取蛋白质序列的特征。接着用基于马尔可夫矩阵的扩散映射算法对原始数
为了提升自动或半自动构建农业本体的质量,本文提出了一种具有自适应性的农业领域概念提取方法。该方法结合上下文依赖分析、互信息技术和领域度判断等算法,构建贝叶斯网络模型。并且通过大量的数据训练,得出贝叶斯网络条件概率分布表。在概念提取的过程中,对所提取概念的准确率和召回率进行分析,并且利用条件概率分布表中的先验知识,通过贝叶斯网络的逆向推理,确定需要调整阈值的位置,对该位置的阈值进行调整,以实现农业领
脑-机接口系统利用脑电信号来直接控制外部设备,例如计算机和电子设备,是一种全新的人机交互方式。脑-机接口系统可以作为一个脑电信号的模式识别系统,核心问题是对不同意识任务下脑电的分类。脑-机接口系统的分类方法主要有Fisher线性判别分析、人工神经网络和支持向量机。脑-机接口系统的评价标准主要有分类正确率、信息传输率和互信息。本文详细的介绍了脑-机接口的基本原理、分类方法和评价标准,对脑-机接口技术