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
演化经济地理学视角下的产业结构演替与分叉研究评述
监管的非对称性、盈余管理模式选择与证监会执法效率?
基于LASSO-SVMR模型城市生活需水量的预测
基于SSVEP 直接脑控机器人方向和速度研究
自然灾难地居民风险知觉与旅游支持度的关系研究——以汶川大地震重灾区北川和都江堰为例
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