基于压缩感知的信号肽特征提取新方法.doc

  • 需要金币1000 个金币
  • 资料目录论文助手 > 高校设计 > 计算机信息 >
  • 转换比率:金钱 X 10=金币数量, 例100元=1000金币
  • 论文格式:Word格式(*.doc)
  • 更新时间:2015-03-17
  • 论文字数:11155
  • 课题出处:(乖宝宝)提供原创资料
  • 资料包括:完整论文

支付并下载

摘 要:本文提出了一种采用压缩感知技术来提取信号肽特征向量的新方法.压缩感知技术能在保证信息不损失的情况下,把高维稀疏信号投影到低维空间,得到信息密度较高的特征向量.该特征向量是在传统数学理论下的稀疏信号的组合函数,具有很好的判别性.为解决每个信号肽的长度不同这个问题,文章首先将原始信号肽的符号序列转化成统一大小的Markov转移矩阵,然后用稀疏基对Markov转移矩阵所对应的向量进行展开,再用测量矩阵随机投影后得到维数较低的观测值,此观测值可作为信号肽的特征向量.在对信号肽进行识别的数值实验中,基于压缩感知技术提取的特征向量,可以实现无监督情况下的高识别率.

    本文的重点在于如何运用压缩感知理论进行信号肽特征提取,也就是本文的第三章,然后就是将本文的主程序在Eukaryotes,Gram+ bacte ria,Gram- bacteria这三个数据集上运行来进行仿真实验,给出聚类结果的数据,以及聚类的效果图,并与利用氨基酸组分或尺度小波能量进行特征提取这两种方法比较,实验结果也验证了该特征表达的有效性.

关键词:压缩感知;Markov转移矩阵;信号肽;特征提取

 

目录

摘要

ABSTRACT

第1章 绪论-1

1.1 背景及意义-1

1.2 基本框架-2

第2章 压缩感知(CS)理论-3

2.1 压缩感知理论简介-3

2.2 压缩感知理论的核心问题-3

第3章 基于压缩感知(CS)的信号肽特征提取方法-5

3.1 构建信号肽序列的Markov转移矩阵-5

3.2 用压缩感知方法提取信号肽的特征向量-6

第4章 实验与结果分析-9

4.1 特征向量的有效性-10

4.2 特征向量的识别效果-11

4.3 信号压缩尺度分析-12

第5章 结论与展望-13

5.1 结论-13

5.2 不足之处及未来展望-13

参考文献-15

致  谢-17


支付并下载

提示:本站支持手机(IOS,Android)下载论文,如果手机下载不知道存哪或打不开,可以用电脑下载,不会重复扣费