中圖網小程序
一鍵登錄
更方便
¥11.6(3.2折)?
預估到手價是按參與促銷活動、以最優惠的購買方案計算出的價格（不含優惠券部分），僅供參考，未必等同于實際到手價。
促銷活動:
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
生物序列化表征模型的矩陣分解方法及其應用 版權信息
- ISBN：9787312034541
- 條形碼：9787312034541 ; 978-7-312-03454-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
生物序列化表征模型的矩陣分解方法及其應用 本書特色
當前正處于后基因組時代，日益積累的海量數據亟待分析解釋，生物信息學便應運而生。其研究內容十分豐富，而其中的序列相似度分析尤為重要。這必然會涉及生物序列的表征方式，其中數值化表征模型會運用到矩陣分解技術等。針對現有的一些序列數值化表征方法普遍存在的不足之處，余宏杰編著的這本《生物序列數值化表征模型的矩陣分解方法及其應用》分別從算法設計、數據應用等不同角度，提出若干種有效的用于表征序列的模型。通過與相關研究成果從理論和實驗結果上分別加以比較，以期驗證所提出算法的有效性。而矩陣分析法顯示出的特有的、行之有效的影響力，已滲透到相關領域，并取得較好的應用效果。
生物序列化表征模型的矩陣分解方法及其應用 內容簡介
《生物序列數值化表征模型的矩陣分解方法及其應用》以生物序列的數值化表征模型所涉及的矩陣分解為核心，以序列的特征信息提取為主要目標，在非序列比對(Aignment-free)的框架下，分別提出了針對DNA／蛋白質序列、基因組序列等的若干個不同的特征信息抽取模型，并將所抽取的特征信息應用于序列的相似度分析。本書取材廣泛，內容新穎，理論與應用緊密結合。書中所介紹的生物序列的建模方法、矩陣分解抽取其特征信息的研究策略，可供讀者在解決實際問題時予以借鑒。 《生物序列數值化表征模型的矩陣分解方法及其應用》適合生物信息學、圖像處理、信號處理等領域有關科研人員參考使用。
生物序列化表征模型的矩陣分解方法及其應用 目錄
前言第1章 緒論1.1 生物信息學海量數據的產生背景1.1.1 生物信息學簡介1.1.2 兩種基本的生物序列1.2 生物序列比對概述1.3 基于序列比對的系統發育樹構建方法1.3.1 分子進化研究的基本方法1.3.2 構建系統進化樹的詳細步驟1.3.3 構建系統發育樹需要注意的幾個問題1.4 生物序列數值化表征模型的矩陣分解方法的研究背景1.4.1 序列圖形化表征1.4.2 基因組序列數值化表征及應用1.4.3 蛋白質序列數值化表征及應用1.4.4 有關x-mer的算法概述1.5 本書的內容安排
第2章 基于矩陣束聯合對角化的DNA序列圖形化表征及其應用2.1 DNA序列的圖形化表征方法概述2.2 DNA序列的描述符2.2.1 相關的一些工作2.2.2 構建序列的鄰接矩陣2.2.3 矩陣分解理論簡介2.2.4 有關矩陣對角化的理論2.2.5 近似聯合對角化（AJD）2.2.6 算法的保距性2.3 圖形化表示法2.3.1 計算特征值組成的序列表征向量（EVV）2.3.2 AJD算法收斂性分析2.3.3 基于特征值組成的表征向量（EVV）的序列圖形聚類2.4 相似度分析2.4.1 聚類分析基本原理2.4.2 計算成對距離2.4.3 u條盧球蛋白基因的系統譜系分析2.4.4 與相關工作的比較2.5 本章結論第3章 基于SVD的基因組序列保序變換及其應用3.1 DNA序列數值描述符3.2 從基因組序列向數值向量的保序變換3.2.1 基因組序列變換矩陣的構建3.2.2 所提出的序列變換算法具有的良好性質3.2.3 保序變換-奇異值分解（OPT-SVD）算法的過程描述3.3 保序變換算法在基因組序列相似度／相異度分析中的應用3.4 本章結論第4章 基于保距映射算法的基因組序列Map示圖及應用4.1 受PCA的啟發嘗試對基因組序列數值描述4.2 基因組序列的“保距”變換4.2.1 特征矩陣的構建4.2.2 基因組序列變換的特性4.3 基于保距變換算法的基因組序列的相似度分析4.3.1 **個數據集上的實驗結果4.3.2 另一個更大規模數據集上的實驗結果4.4 本章結論第5章 基于NFV-AAA算法的蛋白質序列相似度分析5.1 基于K-mer的組分向量法背景概述5.2 基于氨基酸（AAA）分布的蛋白質序列描述符5.2.1 描述符的范式5.2.2 蛋白質序列轉換成400×（L-1）稀疏矩陣5.2.3 AAA優于SAA5.2.4 對特征矩陣M施行SVD以抽取序列的特征5.3 NFV在相似度分析中的應用5.3.1 九條ND5蛋白質序列的相似度分析5.3.2 在24條轉鐵蛋白序列的數據集上的應用5.4 本章結論第6章 分段K-mer算法及其在序列相似度分析中的應用6.1 K-mer分析法優劣性分析6.2 基因組序列的描述符6.3 s-K-mer在34條線粒體基因組序列數據集上的應用6.3.1 優化算法的數據準備6.3.2 對K-mer進行尋優以便獲得其*優階數K*值6.3.3 s-K-mer算法的性能6.3.4 利用s-K-mer對基因組作系統發生分析6.4 本章結論第7章 基于層級虛擬混合與投影抽取的基因組序列比較7.1 有關FFP與ICA背景概述7.2 基因組序列特征提取模型7.2.1 基于K-mer虛擬混合器的基因組序列數據預處理7.2.2 虛擬混合與投影抽取模型7.2.3 層級的VMPE模型7.3 HVMPE模型在真實基因組數據集上的應用7.3.1 先行相關數據的準備7.3.2 確定虛擬混合器（VM）的*佳階數K*7.3.3 對HVMPIE模型進行*佳段數S*值的尋優7.3.4 層級的VMPE模型的效果分析7.3.5 基于HVMPE模型的基因組序列種系發生分析7.3.6 在另一個基因組數據集上的應用7.4 本章結論第8章 總結與展望8.1 本書的主要工作與創新點8.2 未來工作的設想8.2.1 NMF的基本原理8.2.2 序列分析中引入NMF算法的構想參考文獻
展開全部
書友推薦
- >
我與地壇
- >
名家帶你讀魯迅:故事新編
- >
山海經
- >
自卑與超越
- >
巴金－再思錄
- >
月亮虎
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
龍榆生：詞曲概論/大家小書
本類暢銷
-
-
代數學引論-(第二卷)(第3版)
¥36.3¥44.1 -
-
-
-
