基于特征挖掘与融合的剪接位点识别

在基于保守序列这一信号特征识别剪接位点的基础上．挖掘了可用于剪接位点识别的其他多个特征（包括剪接位点上、下游序列的碱基组成。剪接位点信号和上、下游序列的碱基组成随位点邻近序列C＋G含量的变化等统计特征）,建立了描述这些特征的模型。设计了能有效融合这些特征对剪接位点进行识别的对数线性模型,开发了剪接位点识别程序SpliceKey．测试结果表明：SpliceKey识别剪接位点的精度不仅较WAM方法有显著的提高,而且也优于国际上最新发布的剪接位点识别软件DGSplice．SpliceKey已提供网络服务：http：／／infosci．hust．edu．cn／SpliceKey／．     

Takagi-Sugeno模型在剪接位点识别中的应用

为降低基因剪接位点识别算法复杂度和计算量,根据剪接位点上下游序列的保守特性及碱基组成随位点邻近序列GC含量变化等统计特征,建立Takagi-Sugeno模糊模型.通过模型输出值和阈值比较,判断真实的剪接位点.基于模糊似然函数的模糊聚类算法确定模型结构和前件参数,并结合最小二乘法完成该模型后件参数的识别.仿真结果表明,该算法简单,可使模糊模型的结构辨识和参数辨识同时完成,从而实现模糊模型的快速识别;能够很好地提取剪接位点附近保守序列的统计特征,为剪接位点的识别提供一种新的方法.     

一种基于综合信息的剪接位点识别方法

为提高剪接位点识别的精度,提出一种基于综合信息的剪接位点识别方法.通过分析供体位点与受体位点的剪接信号、剪接序列、位点附近序列的二级结构,以及剪接因子作用过程等特征,分别为供体位点与受体位点建立信号模型和序列模型;应用Vienna软件中的Mfold包预测每个剪接位点附近序列最稳定的二级结构,将传统的四字符核酸表转化为八字符核酸表,每个序列用八字符进行描述,用结合了结构信息的序列对信号模型和序列模型进行训练学习;最后用训练好的模型进行剪接位点的识别.实验结果证明:该方法对剪接位点的识别取得了很好的效果,其识别精度可达95%以上.     

隐Markov模型在剪接位点识别中的应用

剪接位点的识别是基因识别中的一个重要环节。由于现有的基因识别算法主要关注编码区的整体特性 ,而并不着重考虑个别位点的信息 ,因此难以准确地识别出剪接位点。考虑到剪接位点附近的保守序列的相邻碱基之间应该存在某种相关性 ,利用一阶 Markov链建立了表述这种相关性的模型 ,在此基础之上 ,设计了专门用于剪接拉点识别的隐马氏模型 (HMM)方法。实验结果表明 ,用 HMM描述剪接位点附近序列符合实际情况 ,并且利用这一方法进行剪接位点的识别可以很好地提取位点附近保守序列在边缘分布与条件分布 (转移概率 )上的统计特征。使用该方法对真实剪接位点和虚假剪接位点进行识别 ,识别率均可达 90 %以上。     

利用条件随机场实现DNA剪接位点的预测

为解决传统的基因识别算法主要关注编码区的整体特性,而并不着重考虑个别位点的信息,因此难以准确地识别出剪接位点的缺点,提出了基于条件随机场的剪接位点预测方法,条件随机场能够更好的处理标记数据之间的依赖关系,并且能够避免数据标记偏置的问题。实验结果表明基于条件随机场的剪接位点预测方法是一种合适的方法,能够取得更好的效果。     

人工神经网络和支持向量机在剪接位点识别上的应用

将人工神经网络和支持向量机应用于剪接位点的识别中,并用标准测试数据集进行了5倍率交叉验证,测试结果显示人工神经网络和支持向量机对剪接位点的识别效果优于目前广泛使用的权阵列模型.     

一种特征提取新方法在PQD识别中的应用

从时域和频域出发,提出一种Hilbert变换和Fourier变换相结合的方法,快速识别电能质量扰动.该方法先利用Hilbert变换提取扰动信号的包络,根据包络线提取扰动特征,将5种扰动从常见的8类扰动中分离,对未识别3类扰动的包络线进行FFT变换,再从频域中提取特征对其分类.借助Matlab随机生成800个样本,此方法在无噪声和30 dB高斯白噪声条件下平均分类准确率分别达到了99.7%和99.1%.算法在特征提取耗费时间上是采用DB4小波的特征提取方法的25.7%.     

基于核主元分析的滚动轴承故障混合域特征提取方法

为有效利用时域、频域、时-频域中各类具有显著类别差异信息的非平稳统计特征,提高滚动轴承状态监测和故障诊断的性能和效率,提出一种基于核主元分析的混合域特征提取方法.通过对原始信号分别生成时域、频域状态特征,并利用多分辨率小波分解生成时-频域状态特征,构建出144个表征原始振动信号特征的混合域特征集.采用核主元分析方法对其中能敏感地反映故障特性的特征进行二次非线性特征提取,按累计贡献率大于90％的标准,选取前11个核主元作为主要特征量,将其输入支持向量机分类器进行状态识别.仿真结果表明:混合域特征集比单个特征、单域特征能更全面准确地反映故障特性,核主元分析方法能有效降低输入特征维数,并确保输出特征具有较高的反映轴承运行状态的敏感性和适于模式识别的可分性;与通常使用的基于小波分解的特征提取方法相比,本文方法能更加准确有效地提取不同运行条件下滚动轴承不同类型不同程度的故障特征.     

老鼠基因组盒式外显子和内含子保留型可变剪接位点预测

老鼠和人类基因组的同源性超过90%,老鼠基因组的研究为人类基因组序列研究提供了参考数据.统计分析了老鼠盒式外显子和内含子保留型剪接位点附近的序列保守性特征,并据此分别利用基于多样性指标的支持向量机和二次判别法对老鼠基因组中这两种剪接类型的供体端和受体端可变剪接位点进行了预测.独立检验结果表明,盒式外显子和内含子保留型的供体端和受体端可变剪接位点的预测均能达到较高的识别精度.     

基于HMM的基因剪接供体位点识别改进研究

本文对人类基因供体剪接位点的数据进行词频统计,分析了位点序列的特征及其特征碱基之间的关系。通过改进传统隐马尔可夫模型（HMM）,使其能将各特征碱基以相应权值关联识别位点。结果显示改进模型的识别能力要强于传统模型。同时对特征位点较相似的序列有了更好的区分度。     

一种基于几何不变特征区域的数字水印算法

为了提高数字水印技术抗几何攻击的能力,提出了一种新的抗几何攻击的数字水印算法.该算法以稳定的特征点和方向选取能够应对几何攻击的不变特征区域,并对选中的区域进行离散余弦频域变换,最后在离散余弦变换的中频系数中嵌入水印信息.实验结果表明,该算法对于基于旋转、缩放、裁减、滤波、压缩等一般性几何攻击,以及它们的复合攻击都具有良...     

广义变分模式分解降噪在齿轮早期故障诊断中的应用

针对齿轮早期故障特征的微弱性和耦合性,本文提出广义变分模式分解(generalized variational mode decomposition, GVMD)-峭度-包络谱法诊断齿轮故障。首先利用GVMD的频域多尺度定频分解属性,根据齿轮故障频谱信息和信号特点设置GVMD主要参数,按需分解信号,准确获取微弱特征分量,避免VMD对微弱特征提取存在的不足和小波包变换能量泄漏引起的微弱特征混淆问题。然后结合峭度准则和齿轮故障频率信息选择故障冲击分量,融合更多故障信息重构降噪信号。最后对降噪信号进行包络解调分析,实现齿轮故障诊断。实际信号分析表明,由于GVMD能够按需获取微弱特征分量,本文所提方法能够获得更丰富的微弱故障信息准确识别齿轮早期故障位置。     

一种三维模型特征提取与压缩算法

特征提取是三维模型检索最主要的问题,提取的特征决定检索系统的性能和效率,如何对提取的特征进行有效压缩成为保证性能的关键.首先采用透视投影的方法把预处理后的模型从三维空间转换成二维图像,然后对图像进行两次一维傅立叶变换转换到频域,并对频域采样得到的高维向量进行有效压缩.算法解决了特征信息量大导致速度低下和特征信息量小导致性能低下的矛盾.实验结果表明,该算法能在速度和性能上同时取得较好的效果.     

基于M-WDLS和PCA的转子故障诊断方法

针对不同故障特征属性交互重叠导致的故障类别辨识困难问题,提出一种基于Manhattan距离作为特征之间相似度信息测度的权值判别拉普拉斯分值特征选择方法.该方法采用Manhattan距离衡量高维特征矢量之间的相似度,并将数据样本标记信息融入权值计算中以增强权值的判别性,提升了LS算法的敏感特征筛选性能.将M-WDLS和主成分分析相结合,提出基于M-WDLS和PCA的转子故障诊断方法.首先提取原始振动信号的时域、频域、时频域特征构造混合域特征集;然后利用M-WDLS选择敏感特征组成敏感特征矩阵;最后对敏感特征矩阵进行PCA降维处理,并将结果输入到K-近邻分类器中进行模式识别.对比实验的结果表明,该方法能有效提取转子系统振动信号的状态特征,有助于提高故障辨识的准确率.     

用小波变换谱均衡法提高地震资料的分辨率

谱均衡方法是提高地震资料分辨率的一种有效方法.通常,谱均衡方法是通过傅立叶正变换在频率域实现的,但是,傅立叶变换存在着先天不足的缺陷,即时-频局域性差,它不能分析信号的局部频率特性.小波变换方法的时-频局部性要优于傅立叶变换,它克服了傅立叶变换的不足,既能保证变换是可逆的,又可以分析信号的局部频率特性.文中充分利用小波变换与谱均衡的优点,利用小波变换与谱均衡相结合的方法,对不同尺度的分解结果进行谱均衡处理,以达到提高分辨率的目的.     

城市轨道交通钢轨波浪形磨耗检测仿真研究

城市轨道交通钢轨波浪形磨耗会增加养护维修费用,降低乘车舒适度,引起噪声,甚至危及列车安全.为了检测钢轨波浪形磨耗,提出了一种基于运营车辆转向架加速度的钢轨波磨检测技术.利用SIMPACK多体动力学软件建立含有波磨病害的车辆-轨道模型,采集该状态下的车辆转向架加速度数据,应用经典的时频域分析、小波分析及希尔伯特黄变换分别对基于波磨病害的转向架加速度信号进行分析并提取出时频特征进行病害识别.仿真结果表明:利用连续小波分析提取的频域特性及经验模态分解(Empirical Mode Decomposition,EMD)得到的特征振动模态可用于波磨病害的检测和识别,从而验证了利用SIMPACK仿真模型进行钢轨波磨检测的可行性.     

一种基于小波变换的数字图像加密算法

小波变换在时域和频域上同时具有良好的局部化性质,并对各种信号特征进行多分辨率分析有极大的适应性,已广泛用于信号与图像处理、语言识别与合成等科技领域.在二维离散小波变换及MATLAB快速算法的基础上,分析了在二维离散小波变换后的图像中加入数字水印成分,并利用反变换将其还原回原始图像,原始图像失真小,还原数字水印信息失真小,可以有效的应用在数字水印技术中.     

特征提取在工况监测与故障诊断中的应用

随着信息技术和计算机网络技术、虚拟仪器等在企业的普及和应用，基于网络技术的未来企业全球制造化模式的建立，使日趋大型化、复杂化集成化生产设备的远程工况监视，远程故障诊断成为重要的研究课题。生产现场工况信息的自动检测、数据采集和存储是故障诊断系统的基础和起点，而对检测信息进行加工、变换和特征分析，提取敏感的故障征兆是诊断系统实现故障可靠诊断的关键之一。阐述了机械故障诊断的理论方法及特点，分析了信号的特征分析方法——时域分析方法，频域分析方法，联合时—频分析方法等多种信号处理方法的特征分析特点及其在机械工况监到与故障诊断分析过程中的工程应用。简要介绍了工况监测中特殊的时变性随机机械故障信号的分析与处理方法。     

基于数学形态学的掌纹图像分析

讨论和分析了数学形态学在在线掌纹图像处理中的应用.该方法应用数学形态学进行掌纹定位分割和增强处理.结合在线掌纹图像的特点采用形态学运算提取掌纹轮廓线,规范手掌质心,然后选取以质心为中心的合适大小的方形区域作为特征有效区域.在有效区域内进行形态学Bot-Hat变换检测出掌纹纹线进行增强处理,对增强后的图像进行傅立叶变换在频域空间进行特征提取和匹配.通过实验,论证了上述方法的有效性和可行性.     

基于CNN网络的跳频信号个体识别

针对传统跳频信号指纹特征提取只是利用深度学习进行分类的问题,利用CNN网络特征提取的特性,实现了一种基于CNN网络的对预处理后的跳频信号实现特征提取和分类网络模型。首先将收集的跳频信号进行短时傅里叶变换转换到跳频信号敏感的频域,将跳频信号频谱图作为CNN网络模型的输入,CNN网络通过多层卷积提取信号频域深层次特征,通过Batch Normalization、Callback函数的优化加快了网络的收敛速度,同时防止了过拟合现象,最终输出跳频信号的识别分类结果。对比实验结果表明,CNN网络的分类识别正确率较以往的方法更高,在信号信噪比越大的情况下,识别效果越好。