论文部分内容阅读
蛋白质相互作用关系预测是当前生物信息学研究的一个重大挑战.现有挖掘蛋白质相互作用关系方法大部分都是基于单种生物数据,这会影响结果的准确.本文融合蛋白质序列信息,结构信息和蛋白质相互作用网络信息,提出一种新的蛋白质相互关系预测算法.实验结果证明本算法优于现有的方法.
融合多元生物数据预测蛋白相互作用关系
【摘 要】
：
蛋白质相互作用关系预测是当前生物信息学研究的一个重大挑战.现有挖掘蛋白质相互作用关系方法大部分都是基于单种生物数据,这会影响结果的准确.本文融合蛋白质序列信息,结构
【机 构】
：
浙江工业职业技术学院设计与艺术分院
【出 处】
：
科技通报
【发表日期】
：
2016年1期
【基金项目】
：
国家自然科学基金（60970076）,浙江省教育厅科技计划项目（Y201018804）.
其他文献
针对目前现有的TLD(跟踪-学习-检测)算法易受阴影、遮蔽、摄像机晃动或是目标快速运动的影响,提出基于HSV-HOG的改进TLD目标跟踪方法。首先,在跟踪初始化前通过加入HSV颜色空间提高TLD算法初始化速度以及抗噪性,使得TLD算法在阴影、抖动的干扰下依然能够实现较好的目标跟踪。若TLD算法选取的跟踪目标受到遮蔽、运动过快,则在算法中加入自适应kalman滤波预测目标物体可能存在的区域,缩小跟踪
传统方法中对WMN网络测度的信息度增益预测采用线性时频分析预测方法,当网络数据吞吐量出现非线性增益时,网格能量发散,预测性能不好。提出一种具有脉冲聚能效应的WMN网络测