导读:本文包含了序列比对模型论文开题报告文献综述及选题提纲参考文献，主要关键词:DNA序列比对,分治算法,成本模型,动态规划
序列比对模型论文文献综述
刘欣睿[1]（2019）在《基于分治算法的DNA序列比对成本模型》一文中研究指出DNA序列比对在生物信息学中起着重要作用,目前已经有越来越多的DNA序列比对算法。本文将列出两种典型的算法,即分治算法和动态规划算法,通过使用这两种算法,可以得到最优比对模型。基于这个新模型,使用Divide and Conquer算法来解决这个问题。同时选择动态规划算法来克服时间复杂性的缺陷。最后创建了后向跟踪算法,以找到最佳对齐的轨迹。(本文来源于《数码世界》期刊2019年03期）
张彩华[2]（2018）在《模糊隐马氏模型及其在生物序列比对中的应用》一文中研究指出通过对生物序列进行比对,我们能够预测未知序列的功能。而现在最前沿的序列比对算法有:动态规划算法、遗传算法、人工神经网络和隐马氏模型等。而本文就是基于隐马氏模型对生物序列比对问题进行深入研究。研究隐马氏模型就是要研究叁个基本问题:估值问题、解码问题和参数估计问题。对于每个问题,我们有相应的解决算法。隐马氏模型假设观测值独立,而在实际中并不是这样的。本文通过引入模糊测度和模糊积分来放松隐马氏模型的独立性假设,进而进行生物序列比对。在引入模糊理论之后,我们称隐马氏模型为模糊隐马氏模型。本文首先介绍隐马氏模型,并且提出隐马氏模型需要解决的叁个问题及其解决算法。然后介绍隐马氏模型在生物序列比对中的应用及其局限。针对隐马氏模型的局限,我们提出改进的用于生物序列比对的模型——模糊隐马氏模型。这种模型是在隐马氏模型的基础上引入了模糊理论。由统计学知识知道测度具有可加性,而模糊测度的主要特征就是非可加性。因为模糊测度是单调的,所以当隐马尔科夫模型引入模糊测度后其统计独立性得到放宽。文中给出了模糊隐马氏模型的算法:模糊前向算法、模糊后向算法、模糊Viterbi算法和模糊EM算法。若我们引入的是概率测度和Choquet模糊积分,那模糊隐马氏模型就变成了经典的隐马氏模型。模糊测度包括可能性测度、似然测度、λ模糊测度、信任测度、必要性测度和自对偶测度等等。在本文中我们引入可能性测度(最保守的模糊测度)和Choquet模糊积分。将引入可能性测度和Choquet模糊积分的模型应用于实验中。经过实证分析,说明改进后的模糊隐马氏模型在处理生物序列比对问题时效果更好。(本文来源于《山东大学》期刊2018-04-20）
王汀,徐天晟,冀付军[3]（2016）在《基于数据场和全局序列比对的大规模中文关联数据模型》一文中研究指出目前关联数据的研究工作主要集中在实例级别上展开,而在模式级别(Schema-Level)上的关联数据构建则易被忽视。本体映射是解决本体异构问题的重要途径和手段,同时,本体映射也可视为模式级别关联数据构建的典型情景。特别是在中文知识库方面,中文知识是关联数据网中的重要组成部分,但现有的中文本体映射系统在面对大规模本体映射任务时,显得效率较低且可用性不高,目前仍缺乏针对中文大规模本体映射的相关系统。为了解决在模式级别上的中文大规模关联数据构建问题,提出了一种新的基于数据场和序列比对思想的大规模中文关联数据构建模型。首先,基于改进的融合概念相似度和相异度的拟核力场势函数对大规模中文本体映射规模进行约简和压缩;其次,通过引入序列比对算法,对组合概念进行相似度的度量;最后,将本系统与相似度计算相关典型算法进行比较,表明其具备一定的可用性和较高的总体性能。(本文来源于《中文信息学报》期刊2016年03期）
刘义杰[4]（2014）在《基于序列比对的变电站仿真操作评价模型研究》一文中研究指出针对现有变电站仿真培训系统缺乏完整且客观的评价体系,提出一种基于序列比对的变电站仿真操作智能评价方法。该方法将变电站仿真操作标准化为一系列操作序列,采用Smith-Waterman序列比对算法,通过比对标准操作序列与实际操作序列,结合推理机,对学员操作结果进行比对评价;并采用一合理的加权函数打分,实现对学员操作结果的综合全面评价。(本文来源于《机电信息》期刊2014年33期）
徐信喆[5]（2010）在《基于模糊K线序列比对的股市技术分析模型》一文中研究指出提出一种新的股市技术分析模型,该模型利用模糊逻辑理论及生物序列比对方法的思想,加以改进,应用于传统的K线图理论,将单位时间的开盘、收盘、最高、最低价格编码成模糊K线图,通过模糊序列比对,来对K线图进行模式识别。以上海和深圳自1990年开市以来到2006年的所有数据作为比对数据库,以2007年、2008年的数据作为测试对象,对上海和深圳股票市场中的部分股票中的K线图模式及未来趋势作了分析和预测,取得了可观的结果。统计结果表明,一些K线模式序列的未来趋势分布具有涨跌信号预警的功能;而另一些模式则为平凡的序列匹配,它们未来趋势的分布不具有预警的功能。(本文来源于《计算机应用与软件》期刊2010年09期）
李成渊,龙海侠,孙俊,须文波[6]（2010）在《基于剖面隐马氏模型的多序列比对》一文中研究指出多序列比对被称为NP完全问题,是生物信息中最基本的问题之一。目前,广泛使用剖面隐马尔可夫模型解决多序列比对问题。作者在粒子群优化算法的基础上,提出了将量子粒子群优化算法用于剖面隐马尔可夫模型的训练过程,进而构建了一种基于剖面隐马氏模型和量子粒子群优化算法的多序列比对算法。从核酸序列和BaliBASE比对数据库中选取了一些比对例子进行了模拟实验,并与其他算法进行了比较,结果表明,所提出的算法能在有限的时间内不仅能找到理想的隐隐马尔可夫模型,而且能得到最优的比对结果。(本文来源于《食品与生物技术学报》期刊2010年04期）
胡赐元[7]（2010）在《基于序列比对的蠕虫特征自动提取模型及算法研究》一文中研究指出随着计算机网络的规模和应用范围的不断扩大,能够快速传染的网络蠕虫给计算机网络安全防护工作带来极大的挑战。现有的安全防御工具如入侵检测系统等大多都是采用基于误用的检测技术,即通过匹配蠕虫数据包中的特征进行检测并防御,其防护能力很大程度上取决于特征的数量和质量。那种依靠网络安全专家在蠕虫传染爆发后对蠕虫数据包和样本代码进行人工分析进而提取特征的方法,已经无法有效阻止在数小时内就能够在全球网络范围内传播而造成巨大损失的蠕虫。因此对蠕虫特征自动提取技术的研究具有非常重要的实际意义。在分析了蠕虫的行为、流量特性和现有蠕虫特征自动提取技术的基础上，针对现有蠕虫特征自动提取系统的预处理不足以及提取特征准确度不够的现状,本文提出了基于序列比对的蠕虫特征自动提取模型,并对其中的关键算法和技术进行了研究。依据蜜罐捕获数据纯度高的特点,本文提出了结合蜜罐的网络流量聚类预处理方法,即通过把每条网络记录定义为一个四元组进行多维层次聚类,把网络流量划分为显着流量和非显着流量的方法,以减少后期需要检测的网络流量,然后根据蠕虫爆发时的流量特征,即源、目的IP地址和源、目的端口的随机性,对显着流量进行可疑蠕虫检测。在捕获到的可疑蠕虫流量样本上,采用生物信息学中比对结果最为精确的T-Coffee多序列比对算法来提取蠕虫特征。针对其在蠕虫特征提取的具体应用,使用SLA算法构造其初级库,并对T-Coffee中指导树的生成过程进行了改进,使之更加准确地指导后续的渐进式比对,进而提取出更为准确的蠕虫特征。最后通过实验验证了模型的有效性。(本文来源于《中南大学》期刊2010-06-01）
丁超,陈武林,廖鸿浩[8]（2010）在《多重序列比对的模型与算法》一文中研究指出本文就基因的多重序列比对,为设计合理的衡量比对好坏,建立多重序列比对SP打分系统的的优化模型,并对随机12个原始序列进行检验得分为161,长度44。在分析国内外序列比对算法及序列比对的优化问题本质的基础上,结合生物免疫系统的特点提出一个基于免疫遗传算法的MSA方法。(本文来源于《才智》期刊2010年14期）
罗泽举,宋丽红[9]（2010）在《隐马尔可夫模型的多序列比对研究》一文中研究指出研究一种关于隐马尔可夫模型的多序列比对,利用值和特征序列的保守性,通过增加频率因子,改进传统隐马尔可夫模型算法的不足。实验表明,新算法不但提高了模型的稳定性,而且应用于蛋白质家族识别,平均识别率比传统隐马尔可夫算法提高了3.3个百分点。(本文来源于《计算机工程与应用》期刊2010年07期）
纪文娟,须文波,孙俊[10]（2009）在《基于量子粒子群优化和隐马尔可夫模型的多序列比对算法》一文中研究指出针对用Baum-Welch算法训练隐马尔可夫模型用于序列比对算法的搜索空间有限性容易陷入局部最优点的缺陷,提出一种用量子粒子群优化算法训练隐马尔可夫模型的生物多序列比对新方法。该方法克服了Baum-Welch算法在收敛性能上的缺陷,在整个可行解空间中进行搜索。从BaliBASE数据库中选取测试例子进行数值实验,实验结果表明,所提算法优于Baum-Welch算法,对标准例子进行的实验证明了算法的有效性。(本文来源于《计算机应用研究》期刊2009年07期）
序列比对模型论文开题报告
（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：
通过对生物序列进行比对,我们能够预测未知序列的功能。而现在最前沿的序列比对算法有:动态规划算法、遗传算法、人工神经网络和隐马氏模型等。而本文就是基于隐马氏模型对生物序列比对问题进行深入研究。研究隐马氏模型就是要研究叁个基本问题:估值问题、解码问题和参数估计问题。对于每个问题,我们有相应的解决算法。隐马氏模型假设观测值独立,而在实际中并不是这样的。本文通过引入模糊测度和模糊积分来放松隐马氏模型的独立性假设,进而进行生物序列比对。在引入模糊理论之后,我们称隐马氏模型为模糊隐马氏模型。本文首先介绍隐马氏模型,并且提出隐马氏模型需要解决的叁个问题及其解决算法。然后介绍隐马氏模型在生物序列比对中的应用及其局限。针对隐马氏模型的局限,我们提出改进的用于生物序列比对的模型——模糊隐马氏模型。这种模型是在隐马氏模型的基础上引入了模糊理论。由统计学知识知道测度具有可加性,而模糊测度的主要特征就是非可加性。因为模糊测度是单调的,所以当隐马尔科夫模型引入模糊测度后其统计独立性得到放宽。文中给出了模糊隐马氏模型的算法:模糊前向算法、模糊后向算法、模糊Viterbi算法和模糊EM算法。若我们引入的是概率测度和Choquet模糊积分,那模糊隐马氏模型就变成了经典的隐马氏模型。模糊测度包括可能性测度、似然测度、λ模糊测度、信任测度、必要性测度和自对偶测度等等。在本文中我们引入可能性测度(最保守的模糊测度)和Choquet模糊积分。将引入可能性测度和Choquet模糊积分的模型应用于实验中。经过实证分析,说明改进后的模糊隐马氏模型在处理生物序列比对问题时效果更好。
（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。
序列比对模型论文参考文献
[1].刘欣睿.基于分治算法的DNA序列比对成本模型[J].数码世界.2019
[2].张彩华.模糊隐马氏模型及其在生物序列比对中的应用[D].山东大学.2018
[3].王汀,徐天晟,冀付军.基于数据场和全局序列比对的大规模中文关联数据模型[J].中文信息学报.2016
[4].刘义杰.基于序列比对的变电站仿真操作评价模型研究[J].机电信息.2014
[5].徐信喆.基于模糊K线序列比对的股市技术分析模型[J].计算机应用与软件.2010
[6].李成渊,龙海侠,孙俊,须文波.基于剖面隐马氏模型的多序列比对[J].食品与生物技术学报.2010
[7].胡赐元.基于序列比对的蠕虫特征自动提取模型及算法研究[D].中南大学.2010
[8].丁超,陈武林,廖鸿浩.多重序列比对的模型与算法[J].才智.2010
[9].罗泽举,宋丽红.隐马尔可夫模型的多序列比对研究[J].计算机工程与应用.2010
[10].纪文娟,须文波,孙俊.基于量子粒子群优化和隐马尔可夫模型的多序列比对算法[J].计算机应用研究.2009