- 在线时间
- 63 小时
- 最后登录
- 2019-5-3
- 注册时间
- 2004-5-10
- 听众数
- 443
- 收听数
- 0
- 能力
- -250 分
- 体力
- 10122 点
- 威望
- -12 点
- 阅读权限
- 150
- 积分
- -516
- 相册
- 6
- 日志
- 10
- 记录
- 10
- 帖子
- 2003
- 主题
- 1253
- 精华
- 43
- 分享
- 8
- 好友
- 1292

复兴中华数学头子
TA的每日心情 | 开心 2011-9-26 17:31 |
|---|
签到天数: 3 天 [LV.2]偶尔看看I
- 自我介绍
- 数学中国网站(www.madio.cn)是目前中国最大的数学建模交流社区
 群组: 越狱吧 群组: 湖南工业大学数学建模同盟会 群组: 四川农业大学数学建模协会 群组: 重庆交通大学数学建模协会 群组: 中国矿业大学数学建模协会 |
DNA序列的分类模型 9 t$ M: T# Q- y( _
$ L' i$ H' b% @! o
汤诗杰,周亮,王晓玲,孙广中
9 u1 L4 Z0 m5 ~% u) P/ w. |
! {& E* o2 O5 u& u7 q/ ]% F$ [* H( W本文针对 DNA序列分类这个实际问题 ,提出了相应的数学模型 .为了很好的体现 DNA序列的局部性和全局性的特征 ,我们给出了衡量分类方法优劣的标准 ,即在满足一定限制条件的情况下 ,是否能充分反映序列的各方面特性 .依据我们提出的判别标准 ,单一标准的分类是无法满足要求的 .我们的方法是侧重点不同的三种方法的综合集成 .这三种方法分别体现了序列中元素出现的概率 ,序列中元素出现的周期性 ,序列所带有的信息含量 .利用这个方法 ,完成了对未知类型的人工序列及自然序列的分类工作 .最后 ,对分类模型的优缺点进行了分析 ,并就模型的推广作了讨论! ^% g# ^7 ?( v7 j6 s
+ p2 Y, N/ g. M* W& R* n
DNA序列的分类模型.pdf
(230.27 KB, 下载次数: 1471)
$ ^) T: s( O$ ^/ u% [" j/ b& R" G7 n3 R2 j6 F
/ f9 N' w4 A4 a! f4 q
关于DNA序列分类问题的模型 8 E: T- j" O3 r0 J% J4 k
8 m( k1 f w2 P# L+ l3 R: a
冯涛,康喆雯,韩小军,贺明峰
; y* y2 X; @- q/ ~& t4 h z* o7 ^: O- q* U1 s
本文提出了一种将人工神经元网络用于 DNA分类的方法 .作者首先应用概率统计的方法对 2 0个已知类别的人工 DNA序列进行特征提取 ,形成 DNA序列的特征向量 ,并将之作为样本输入 BP神经网络进行学习 .作者应用了 MATLAB软件包中的 Neural Network Toolbox(神经网络工具箱 )中的反向传播 ( Backpropagation BP)算法来训练神经网络 .在本文中 ,作者构造了两个三层 BP神经网络 ,将提取的 DNA特征向量集作为样本分别输入这两个网络进行学习 .通过训练后 ,将 2 0个未分类的人工序列样本和 1 82个自然序列样本提取特征形成特征向量并输入两个网络进行分类 .结果表明 :本文中提出的分类方法能够以很高的正确率和精度对 DNA序列进行分类 ,将人工神经元网络用于 DNA序列分类是完全可行的
2 v4 b3 X& Y! } c" f4 }. |1 [1 R; V3 m6 d3 p2 A
关于DNA序列分类问题的模型.pdf
(359.1 KB, 下载次数: 1194)
7 o: M' j! H- \: k: S
/ @3 u' I# Q7 k5 \# o- I9 ^
DNA分类模型
$ V9 M+ H/ ]' p% r5 _- ?) e1 a6 j* H# Y# S( q J. w
杨健,王驰,杨勇,王鸣
' J( y* M, |; Y. m3 u1 ^- V# C; y4 A7 |) I+ v
本模型充分利用了所给数据的特点 ,运用统计、最优化等数学方法 ,从已知样本序列中提炼出能较好代表两类特征的关键字符串 ,据此提出量化的分类标准 ,能较好的对任给 DNA序列进行分类 .首先 ,从已知样本序列中用广度优先法选出所有重复出现的字符串 ,并计算其标准化频率及分散度 .然后 ,利用样本数据结合最小二乘法确定两类字符串各自的优先级函数 ,并且逐步优化其参数使之达到稳定 ,提高了可信度 .最后 ,根据优先级函数找出关键词 ,然后确定权数 ,用层次分析法对未知样本进行分类 ,并定出显著水平 ,从而得到了一个比较通用的分类方法 .经过检验 ,此方法对 2 1— 4 0号待测样本进行了很好的分类 ,对后面的1 82个 DNA序列进行同样的操作 ,也有较好的效果
# E, K8 l7 z" U' G& O. b
/ }( x) b2 Q) i9 a5 t
DNA分类模型.pdf
(382.26 KB, 下载次数: 843)
8 ?; d" }" |4 e- X6 R* h
. ~& K$ b1 ~. o
' L# y0 \7 y# C& T2 o& ^/ R! e) z
& C. y. }# [0 D3 q* r% f9 K8 U A4 }DNA序列的分类 % w# R: S# f8 |& p l3 D: ]6 o5 a
& M3 P; |) s( }9 G* H9 K2 q9 a
韩轶平,余杭,刘威,杨启帆
) _) O* {- {9 S" G, _! t2 @% H& q4 O' O( p
本文对 A题中给出的 DNA序列分类问题进行了讨论 .从“不同序列中碱基含量不同”入手建立了欧氏距离判别模型 ,马氏距离判别模型以及 Fisher准则判定模型 ;又从“不同序列中碱基位置不同”入手建立了利用序列相关知识的相关度分类判别算法 ,并进一步研究了带反馈的相关度分类判别算法 .对于题中所给的待分类的人工序列和自然序列 ,本文都一一作了分类 .接着 ,本文又对其它各种常见的分类算法进行了讨论 ,并着重从分类算法的稳定性上对几种方法作了比较 .! n8 G2 T" ^& x6 s, L* r
: h8 R3 E, r; D$ g7 T4 J
DNA序列的分类.pdf
(219.79 KB, 下载次数: 718)
+ m' ^7 E/ A; u+ r5 O
4 d( I% d) q( b% R' A$ ~( b3 d0 y- e# D' D6 R$ Y0 A- {( q
: s* ~* R) I+ L) z4 i& p- YDNA序列分类的数学模型 ) g- w3 B: W. y6 m3 G$ M
k8 o0 ]6 m8 q) p/ D吕金翅,马小龙,曹芳,陶大程 % r; m+ S( b# E. t
6 w3 a! }7 h) K* D" S7 W
本文从三个不同的角度分别论述了如何对 DNA序列进行分类的问题 ,依据这三个角度分别建立了三类模型 .首先 ,从生物学背景和几何对称观点出发 ,建立了 DNA序列的三维空间曲线的表达形式 .建立了初步数学模型 -积分模型 ,并且通过模型函数计算得到了 1到 2 0号 DNA序列的分类结果 ,发现与题目所给分类结果相同 ,然后我们又对后 2 0个 DNA序列进行了分类 .然后 ,从人工神经网络的角度出发 ,得到了第二类数学模型 -人工神经网络模型 .并且选择了三种适用于模式分类的基本网络 ,即感知机模型 ,多层感知机 ( BP网络 )模型以及 LVQ矢量量化学习器 ,同时就本问题提出了对 BP网络的改进 (改进型多层感知机 ) ,最后采用多种训练方案 ,均得到了较理想的分类结果 .同时也发现了通过人工神经网络的方法得到的分类结果与积分模型得到的分类结果是相同的 (前四十个 ) .最后 ,我们对碱基赋予几何意义 :A.C.G.T分别表示右 .下 .左 .上 .用 DNA序列控制平面上点的移动 ,每个序列得到一个游动曲线 ,提取游动方向趋势作为特征 ,建立起了模型函数 ,同时也得到了后二十个 DNA序列的分类结果 ...
& h7 d6 Y1 w/ P- s- f' m- ^. V
/ k! J( s9 a3 j8 w- {3 U. t
DNA序列分类的数学模型.pdf
(387.46 KB, 下载次数: 791)
# R3 a: h: q6 S
# c% h! |, @; c/ A6 F$ J* G8 @7 x3 V; J( L
DNA序列中的结构与简化模型/ H) I/ s% F; R1 {9 n
5 t8 ~, K8 j% \
孟大志
9 B1 Z; P/ s( j& I, ^! v$ r! G/ C! u1 J% X; T, d5 y
本文简述 2 0 0 0年全国大学生数学建模竞赛 A题的科学研究背景 ,以及题目的立意和设计 .进而对解答 A题的大学生们的出色方法进行介绍与评述
6 E& f" ] y! ^) y
6 u, q# I4 I4 m/ h
DNA序列中的结构与简化模型.pdf
(211.8 KB, 下载次数: 789)
|
zan
|