支持向量机(SVM)方法在基因信号识别中的应用研究项目,通过在现有可获得的选择性剪接基因样本的条件下,选择选择性剪接(可变剪接)问题作为突破口,结合信息科学与生命科学研究的最新成果,提取基因序列剪接位点的统计特征(特别是二级结构特征);利用机器学习理论中的支持向量机(SVM)方法,结合基因序列剪接位点附近的二级结构特征信息,预测基因序列剪接位点;探索基因信号识别和分析的新的途径,初步开展基因组信息
{{i.achievement_title}}
数据更新时间:2023-05-31
基于被动变阻尼装置高层结构风振控制效果对比分析
基于改进LinkNet的寒旱区遥感图像河流识别方法
新型树启发式搜索算法的机器人路径规划
长链基因间非编码RNA 00681竞争性结合miR-16促进黑素瘤细胞侵袭和迁移
RNA-Seq-based transcriptomic analysis of Saccharomyces cerevisiae during solid-state fermentation of crushed sweet sorghum stalks
基于改进的支持向量机在语音识别中的应用研究
基于支持向量机的声发射信号裂纹识别研究
基于进化组合支持向量机(EC-SVM)的代谢组学数据分析方法研究
非线性支持向量机SVM及超谱图象混合象元解译新方法研究