版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、可視化是表達(dá)數(shù)據(jù)的直觀且有效的手段,受到許多領(lǐng)域的重視,如信息學(xué)領(lǐng)域、生物學(xué)領(lǐng)域、合成生物學(xué)領(lǐng)域等。這些領(lǐng)域的迅猛發(fā)展為可視化帶來機(jī)遇與挑戰(zhàn)。例如合成生物學(xué)是用標(biāo)準(zhǔn)化生物元件構(gòu)建生物設(shè)備的新興領(lǐng)域,當(dāng)前標(biāo)準(zhǔn)化元件數(shù)量多、種類雜,使得構(gòu)建生物設(shè)備時(shí)難以選擇標(biāo)準(zhǔn)化元件。將這些標(biāo)準(zhǔn)化的生物元件進(jìn)行可視化及聚類后將有助于提高生物設(shè)備構(gòu)建效率。為了達(dá)到這個(gè)目的,本文的進(jìn)行了以下研究工作:
1)降維可視化。要對(duì)合成生物元件進(jìn)行降維可視化分
2、析,首先要確定兩個(gè)合成生物元件之間相似度,相似度的計(jì)算方法對(duì)后續(xù)的聚類結(jié)果會(huì)有很大的影響??紤]到合成生物元件為長度不一的基因短序列,本文通過編輯距離來計(jì)算生物元件的相似度,再結(jié)合高斯核函數(shù)的對(duì)獲得的距離矩陣進(jìn)行歸一化處理。進(jìn)一步使用改進(jìn)后的拉普拉斯非線性降維方法將生物元件序列降為二維或三維數(shù)據(jù),再通過圖形化展示。表明降維后的數(shù)據(jù)具有良好的區(qū)分度,說明合成生物學(xué)者通過降維可視化可以顯著提高標(biāo)準(zhǔn)化元件選擇效率。
2)聚類分析。聚類
3、是把抽象或者物理的對(duì)象集合分成多個(gè)具有相似性對(duì)象的集合。通過對(duì)降維后的生物元件序列采用K-means算法進(jìn)行聚類分析,最終得到功能類似的合成生物元件可以進(jìn)行有效地聚類,功能差異大的合成生物元件可有效地區(qū)分,且對(duì)降維后數(shù)據(jù)聚類顯示二分類精度達(dá)到91.6%,三分類精度達(dá)到82.4%。
通過以上研究,本文提出了一種可以提高合成生物設(shè)備構(gòu)建效率的可視化方案,并通過聚類分析證明了該方法的有效性,解決了合成生物元件數(shù)量多、種類雜、難以選擇
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 非線性降維技術(shù)的研究及其在數(shù)據(jù)可視化中的應(yīng)用.pdf
- 非線性系統(tǒng)的規(guī)律維及其可視化方法初探.pdf
- 基于SOM的可視化聚類研究.pdf
- 基于Flex的聚類信息可視化技術(shù).pdf
- 基于SOM聚類的WEB文本挖掘及其結(jié)果的可視化研究.pdf
- 基于CNM聚類的無向圖可視化研究.pdf
- 基于SOM的可視化聚類挖掘應(yīng)用研究.pdf
- 蛋白網(wǎng)絡(luò)聚類研究及其可視化軟件開發(fā).pdf
- 基于圖的聚類集成與數(shù)據(jù)可視化研究
- Web文本聚類技術(shù)及聚類結(jié)果可視化研究.pdf
- 數(shù)據(jù)聚類及可視化技術(shù).pdf
- 基于圖的聚類集成與數(shù)據(jù)可視化研究.pdf
- 基于隨機(jī)初始化的非線性降維算法的研究.pdf
- ECG波形可視化聚類策略研究.pdf
- 基于流形學(xué)習(xí)的數(shù)據(jù)聚類與可視化.pdf
- 基于等距特征映射的非線性降維及其應(yīng)用研究.pdf
- 基于SOM神經(jīng)網(wǎng)絡(luò)的聚類可視化方法研究.pdf
- 古琴音樂背景下EEG的非線性分析及其可視化.pdf
- 基于SOM聚類的數(shù)據(jù)可視化系統(tǒng)研究與實(shí)現(xiàn).pdf
- 基于信息瓶頸算法的運(yùn)動(dòng)軌跡聚類及可視化.pdf
評(píng)論
0/150
提交評(píng)論