掃一掃
關(guān)注中圖網(wǎng)
官方微博
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(shù)學(xué)專題練1200題
-
>
希格斯:“上帝粒子”的發(fā)明與發(fā)現(xiàn)
-
>
神農(nóng)架疊層石:10多億年前遠(yuǎn)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(yīng)用 版權(quán)信息
- ISBN：9787312034541
- 條形碼：9787312034541 ; 978-7-312-03454-1
- 裝幀：一般膠版紙
- 冊數(shù)：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(yīng)用 本書特色
當(dāng)前正處于后基因組時代，日益積累的海量數(shù)據(jù)亟待分析解釋，生物信息學(xué)便應(yīng)運而生。其研究內(nèi)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(shù)值化表征模型會運用到矩陣分解技術(shù)等。針對現(xiàn)有的一些序列數(shù)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(shù)值化表征模型的矩陣分解方法及其應(yīng)用》分別從算法設(shè)計、數(shù)據(jù)應(yīng)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(guān)研究成果從理論和實驗結(jié)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(guān)領(lǐng)域，并取得較好的應(yīng)用效果。
生物序列化表征模型的矩陣分解方法及其應(yīng)用 內(nèi)容簡介
《生物序列數(shù)值化表征模型的矩陣分解方法及其應(yīng)用》以生物序列的數(shù)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(biāo)，在非序列比對(Aignment-free)的框架下，分別提出了針對DNA／蛋白質(zhì)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(yīng)用于序列的相似度分析。本書取材廣泛，內(nèi)容新穎，理論與應(yīng)用緊密結(jié)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(shù)值化表征模型的矩陣分解方法及其應(yīng)用》適合生物信息學(xué)、圖像處理、信號處理等領(lǐng)域有關(guān)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(yīng)用 目錄
前言第1章 緒論1.1 生物信息學(xué)海量數(shù)據(jù)的產(chǎn)生背景1.1.1 生物信息學(xué)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(tǒng)發(fā)育樹構(gòu)建方法1.3.1 分子進(jìn)化研究的基本方法1.3.2 構(gòu)建系統(tǒng)進(jìn)化樹的詳細(xì)步驟1.3.3 構(gòu)建系統(tǒng)發(fā)育樹需要注意的幾個問題1.4 生物序列數(shù)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(shù)值化表征及應(yīng)用1.4.3 蛋白質(zhì)序列數(shù)值化表征及應(yīng)用1.4.4 有關(guān)x-mer的算法概述1.5 本書的內(nèi)容安排
第2章 基于矩陣束聯(lián)合對角化的DNA序列圖形化表征及其應(yīng)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(guān)的一些工作2.2.2 構(gòu)建序列的鄰接矩陣2.2.3 矩陣分解理論簡介2.2.4 有關(guān)矩陣對角化的理論2.2.5 近似聯(lián)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(tǒng)譜系分析2.4.4 與相關(guān)工作的比較2.5 本章結(jié)論第3章 基于SVD的基因組序列保序變換及其應(yīng)用3.1 DNA序列數(shù)值描述符3.2 從基因組序列向數(shù)值向量的保序變換3.2.1 基因組序列變換矩陣的構(gòu)建3.2.2 所提出的序列變換算法具有的良好性質(zhì)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(yīng)用3.4 本章結(jié)論第4章 基于保距映射算法的基因組序列Map示圖及應(yīng)用4.1 受PCA的啟發(fā)嘗試對基因組序列數(shù)值描述4.2 基因組序列的“保距”變換4.2.1 特征矩陣的構(gòu)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(shù)據(jù)集上的實驗結(jié)果4.3.2 另一個更大規(guī)模數(shù)據(jù)集上的實驗結(jié)果4.4 本章結(jié)論第5章 基于NFV-AAA算法的蛋白質(zhì)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(zhì)序列描述符5.2.1 描述符的范式5.2.2 蛋白質(zhì)序列轉(zhuǎn)換成400×（L-1）稀疏矩陣5.2.3 AAA優(yōu)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(yīng)用5.3.1 九條ND5蛋白質(zhì)序列的相似度分析5.3.2 在24條轉(zhuǎn)鐵蛋白序列的數(shù)據(jù)集上的應(yīng)用5.4 本章結(jié)論第6章 分段K-mer算法及其在序列相似度分析中的應(yīng)用6.1 K-mer分析法優(yōu)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(shù)據(jù)集上的應(yīng)用6.3.1 優(yōu)化算法的數(shù)據(jù)準(zhǔn)備6.3.2 對K-mer進(jìn)行尋優(yōu)以便獲得其*優(yōu)階數(shù)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(tǒng)發(fā)生分析6.4 本章結(jié)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(guān)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(shù)據(jù)預(yù)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(shù)據(jù)集上的應(yīng)用7.3.1 先行相關(guān)數(shù)據(jù)的準(zhǔn)備7.3.2 確定虛擬混合器（VM）的*佳階數(shù)K*7.3.3 對HVMPIE模型進(jìn)行*佳段數(shù)S*值的尋優(yōu)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(fā)生分析7.3.6 在另一個基因組數(shù)據(jù)集上的應(yīng)用7.4 本章結(jié)論第8章 總結(jié)與展望8.1 本書的主要工作與創(chuàng)新點8.2 未來工作的設(shè)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(gòu)想?yún)⒖嘉墨I(xiàn)
展開全部
書友推薦
- >
羅庸西南聯(lián)大授課錄
- >
回憶愛瑪儂
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
伯納黛特,你要去哪(2021新版)
- >
小考拉的故事-套裝共3冊
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
我與地壇
- >
月亮與六便士
本類暢銷
-
-
代數(shù)學(xué)引論-(第二卷)(第3版)
¥36.3¥44.1 -
-
-
-
