

已閱讀1頁,還剩66頁未讀, 繼續(xù)免費閱讀
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),請進行舉報或認領(lǐng)
文檔簡介
1、在原始EST序列中,存在載體、限制核酸內(nèi)切酶、polyA、polyT等多種特征。根據(jù)EST序列特征,在對EST序列集合進行分類的時候,通常是已經(jīng)知道一定數(shù)量的EST序列的類別,并將這些已知類別的EST序列作為已標記類的樣本,序列集合中余下的序列作為未標記類的樣本。這種分類方法通常是基于一個特定的假設(shè):已標記類的樣本是完全樣本。可是實際情況往往不是這樣。根據(jù)不完全的初始類進行EST序列分類將會導(dǎo)致類缺失,出現(xiàn)錯誤的結(jié)果,而且還費時費力。
2、 針對這種問題,本論文采用了K—均值聚類和隱馬爾可夫模型相結(jié)合的方法,對EST序列進行了聚類分析研究,其目的是對基于相似數(shù)據(jù)特征的EST序列進行聚類和預(yù)測。該方法克服了K—均值和隱馬爾可夫模型兩種算法的缺陷,發(fā)揮了各自的優(yōu)勢所在。 論文首先是數(shù)據(jù)預(yù)處理,其次,對處理后的數(shù)據(jù)進行K—均值聚類,獲得一個粗略的聚類;接著,應(yīng)用隱馬爾可夫模型其中的Baum—Welch算法對歸類的序列進行訓(xùn)練,獲得每一類的隱馬爾可夫模型參數(shù);之后,
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于隱馬爾可夫模型的時間序列聚類的研究.pdf
- 基于隱馬爾科夫模型的時間序列聚類.pdf
- 基于聚類和隱馬爾可夫模型的網(wǎng)絡(luò)入侵檢測.pdf
- 基于隱馬爾可夫模型的多序列比對算法.pdf
- 41351.基于隱馬爾可夫模型的并行多重序列比對
- 隱馬爾可夫模型簡介
- 隱馬爾可夫模型技術(shù)
- 隱馬爾可夫模型系統(tǒng)調(diào)用序列異常檢測研究.pdf
- 基于隱馬爾可夫模型的指紋匹配研究.pdf
- 基于隱馬爾可夫模型的音頻檢索.pdf
- 基于隱馬爾可夫模型的推薦算法研究.pdf
- 基于隱馬爾可夫模型的人臉識別研究.pdf
- 基于隱馬爾可夫模型的動態(tài)紋理分類.pdf
- 基于隱馬爾可夫模型的可用帶寬測量.pdf
- 基于隱馬爾可夫模型的手指靜脈識別研究.pdf
- 基于隱馬爾可夫模型的對象定位方法研究.pdf
- 基于隱馬爾可夫模型脈象信號分類.pdf
- 基于隱馬爾可夫模型的自動和弦識別.pdf
- 基于隱馬爾可夫模型的步態(tài)識別算法研究.pdf
- 基于隱馬爾可夫模型的說話人轉(zhuǎn)換研究.pdf
評論
0/150
提交評論