基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
利用隐马尔可夫模型训练中不同结构的DNA序列的L值分布范围不同的特点,对传统多类投票模型进行改进,提出一种优于传统算法的快速训练算法,该算法只需训练出一类隐马尔可夫模型参数.对DNA内含子和外显子序列进行识别,平均识别率达到了90.8%.与支持向量机相比,隐马尔可夫模型在解决多分类问题方面具有优势,不但计算时间少,而且识别率高.
推荐文章
基于隐马尔可夫模型的运动目标轨迹识别
轨迹识别
运动分析
行为模式
隐马尔可夫模型
基于隐马尔可夫模型的3D手写识别方法
手写识别
加速度传感器
隐马尔可夫模型
快速傅里叶变换
基于隐马尔可夫模型的连续语音同步识别系统
隐马尔可夫模型
连续语音识别
同步识别
信号处理
人机交互
系统结构设计
基于嵌入式隐马尔可夫模型的步态识别
步态识别
特征提取
步态能量图
嵌入式隐马尔可夫模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于隐马尔可夫模型的DNA序列识别
来源期刊 华南理工大学学报(自然科学版) 学科 工学
关键词 隐马尔可夫模型 DNA序列 内含子 外显子 识别 快速训练算法
年,卷(期) 2007,(8) 所属期刊栏目 数学科学
研究方向 页码范围 123-126
页数 4页 分类号 TP18|O29
字数 3292字 语种 中文
DOI 10.3321/j.issn:1000-565x.2007.08.025
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱思铭 中山大学数学与计算科学学院 94 573 13.0 20.0
2 罗泽举 重庆工商大学计算机科学与信息工程学院 27 147 7.0 11.0
3 宋丽红 重庆工商大学实验实习中心 17 94 6.0 9.0
4 李艳会 中山大学数学与计算科学学院 11 52 4.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (8)
参考文献  (6)
节点文献
引证文献  (18)
同被引文献  (26)
二级引证文献  (29)
1966(1)
  • 参考文献(1)
  • 二级参考文献(0)
1967(1)
  • 参考文献(1)
  • 二级参考文献(0)
1968(1)
  • 参考文献(1)
  • 二级参考文献(0)
1975(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(3)
  • 引证文献(2)
  • 二级引证文献(1)
2010(4)
  • 引证文献(1)
  • 二级引证文献(3)
2011(6)
  • 引证文献(1)
  • 二级引证文献(5)
2012(3)
  • 引证文献(0)
  • 二级引证文献(3)
2013(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(4)
  • 引证文献(2)
  • 二级引证文献(2)
2015(8)
  • 引证文献(2)
  • 二级引证文献(6)
2016(4)
  • 引证文献(2)
  • 二级引证文献(2)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(3)
  • 引证文献(1)
  • 二级引证文献(2)
2019(4)
  • 引证文献(3)
  • 二级引证文献(1)
研究主题发展历程
节点文献
隐马尔可夫模型
DNA序列
内含子
外显子
识别
快速训练算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
华南理工大学学报(自然科学版)
月刊
1000-565X
44-1251/T
大16开
广州市天河区五山路华南理工大学内
46-174
1957
chi
出版文献量(篇)
6648
总下载数(次)
17
总被引数(次)
75046
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导