欢迎光临中图网 请 | 注册
> >>
生物序列化表征模型的矩阵分解方法及其应用

生物序列化表征模型的矩阵分解方法及其应用

作者:余宏杰著
出版社:中国科学技术大学出版社出版时间:2014-06-01
开本: 16开 页数: 199
本类榜单:自然科学销量榜
¥9.2(2.6折)?

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

中 图 价:¥23.0(6.4折)定价  ¥36.0 登录后可看到会员价
加入购物车 收藏
运费6元,满39元免运费
?新疆、西藏除外
温馨提示:5折以下图书主要为出版社尾货,大部分为全新(有塑封/无塑封),个别图书品相8-9成新、切口
有划线标记、光盘等附件不全详细品相说明>>
本类五星书更多>

生物序列化表征模型的矩阵分解方法及其应用 版权信息

生物序列化表征模型的矩阵分解方法及其应用 本书特色

当前正处于后基因组时代,日益积累的海量数据亟待分析解释,生物信息学便应运而生。其研究内容十分丰富,而其中的序列相似度分析尤为重要。这必然会涉及生物序列的表征方式,其中数值化表征模型会运用到矩阵分解技术等。针对现有的一些序列数值化表征方法普遍存在的不足之处,余宏杰编著的这本《生物序列数值化表征模型的矩阵分解方法及其应用》分别从算法设计、数据应用等不同角度,提出若干种有效的用于表征序列的模型。通过与相关研究成果从理论和实验结果上分别加以比较,以期验证所提出算法的有效性。而矩阵分析法显示出的特有的、行之有效的影响力,已渗透到相关领域,并取得较好的应用效果。

生物序列化表征模型的矩阵分解方法及其应用 内容简介

《生物序列数值化表征模型的矩阵分解方法及其应用》以生物序列的数值化表征模型所涉及的矩阵分解为核心,以序列的特征信息提取为主要目标,在非序列比对(Aignment-free)的框架下,分别提出了针对DNA/蛋白质序列、基因组序列等的若干个不同的特征信息抽取模型,并将所抽取的特征信息应用于序列的相似度分析。本书取材广泛,内容新颖,理论与应用紧密结合。书中所介绍的生物序列的建模方法、矩阵分解抽取其特征信息的研究策略,可供读者在解决实际问题时予以借鉴。  《生物序列数值化表征模型的矩阵分解方法及其应用》适合生物信息学、图像处理、信号处理等领域有关科研人员参考使用。

生物序列化表征模型的矩阵分解方法及其应用 目录

前言第1章 绪论1.1 生物信息学海量数据的产生背景1.1.1 生物信息学简介1.1.2 两种基本的生物序列1.2 生物序列比对概述1.3 基于序列比对的系统发育树构建方法1.3.1 分子进化研究的基本方法1.3.2 构建系统进化树的详细步骤1.3.3 构建系统发育树需要注意的几个问题1.4 生物序列数值化表征模型的矩阵分解方法的研究背景1.4.1 序列图形化表征1.4.2 基因组序列数值化表征及应用1.4.3 蛋白质序列数值化表征及应用1.4.4 有关x-mer的算法概述1.5 本书的内容安排 第2章 基于矩阵束联合对角化的DNA序列图形化表征及其应用2.1 DNA序列的图形化表征方法概述2.2 DNA序列的描述符2.2.1 相关的一些工作2.2.2 构建序列的邻接矩阵2.2.3 矩阵分解理论简介2.2.4 有关矩阵对角化的理论2.2.5 近似联合对角化(AJD)2.2.6 算法的保距性2.3 图形化表示法2.3.1 计算特征值组成的序列表征向量(EVV)2.3.2 AJD算法收敛性分析2.3.3 基于特征值组成的表征向量(EVV)的序列图形聚类2.4 相似度分析2.4.1 聚类分析基本原理2.4.2 计算成对距离2.4.3 u条卢球蛋白基因的系统谱系分析2.4.4 与相关工作的比较2.5 本章结论第3章 基于SVD的基因组序列保序变换及其应用3.1 DNA序列数值描述符3.2 从基因组序列向数值向量的保序变换3.2.1 基因组序列变换矩阵的构建3.2.2 所提出的序列变換算法具有的良好性质3.2.3 保序变换-奇异值分解(OPT-SVD)算法的过程描述3.3 保序变换算法在基因组序列相似度/相异度分析中的应用3.4 本章结论第4章 基于保距映射算法的基因组序列Map示图及应用4.1 受PCA的启发尝试对基因组序列数值描述4.2 基因组序列的“保距”变换4.2.1 特征矩阵的构建4.2.2 基因组序列变换的特性4.3 基于保距变换算法的基因组序列的相似度分析4.3.1 **个数据集上的实验结果4.3.2 另一个更大规模数据集上的实验结果4.4 本章结论第5章 基于NFV-AAA算法的蛋白质序列相似度分析5.1 基于K-mer的组分向量法背景概述5.2 基于氨基酸(AAA)分布的蛋白质序列描述符5.2.1 描述符的范式5.2.2 蛋白质序列转换成400×(L-1)稀疏矩阵5.2.3 AAA优于SAA5.2.4 对特征矩阵M施行SVD以抽取序列的特征5.3 NFV在相似度分析中的应用5.3.1 九条ND5蛋白质序列的相似度分析5.3.2 在24条转铁蛋白序列的数据集上的应用5.4 本章结论第6章 分段K-mer算法及其在序列相似度分析中的应用6.1 K-mer分析法优劣性分析6.2 基因组序列的描述符6.3 s-K-mer在34条线粒体基因组序列数据集上的应用6.3.1 优化算法的数据准备6.3.2 对K-mer进行寻优以便获得其*优阶数K*值6.3.3 s-K-mer算法的性能6.3.4 利用s-K-mer对基因组作系统发生分析6.4 本章结论第7章 基于层级虚拟混合与投影抽取的基因组序列比较7.1 有关FFP与ICA背景概述7.2 基因组序列特征提取模型7.2.1 基于K-mer虚拟混合器的基因组序列数据预处理7.2.2 虚拟混合与投影抽取模型7.2.3 层级的VMPE模型7.3 HVMPE模型在真实基因组数据集上的应用7.3.1 先行相关数据的准备7.3.2 确定虚拟混合器(VM)的*佳阶数K*7.3.3 对HVMPIE模型进行*佳段数S*值的寻优7.3.4 层级的VMPE模型的效果分析7.3.5 基于HVMPE模型的基因组序列种系发生分析7.3.6 在另一个基因组数据集上的应用7.4 本章结论第8章 总结与展望8.1 本书的主要工作与创新点8.2 未来工作的设想8.2.1 NMF的基本原理8.2.2 序列分析中引入NMF算法的构想参考文献
展开全部
商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服