基于支持向量机方法的蛋白可溶性预测

按照蛋白质序列中残基的相对可溶性,将其分为两类(表面／内部)和三类(表面／中间／内部)进行预测。选择不同窗宽和参数对数据进行训练和预测,以确保得到最好的分类效果,并同其他已有方法进行比较。对同一数据集不同分类阈值的预测结果显示,支持向量机方法对蛋白质可溶性的整体预测效果优于神经网络和信息论的方法。其中,对两类数据的最优分类结果达到79．0％,对三类数据的最优分类结果达到67．5％,表明支持向量机是蛋白质残基可溶性预测的一种有效方法。     

基于贝叶斯网络的DNA序列剪接位点预测

采用基于贝叶斯网络的建模方法,预测真核生物DNA序列中的剪接位点．分别建立了供体位点和受体位点模型,并根据两种位点的生物学特性,对模型的拓扑结构和上下游节点的选择进行了优化．通过贝叶斯网络的最大似然学习算法求出模型参数后,利用10分组交互验证方法对测试数据进行剪接位点预测。结果显示,受体位点的平均预测准确率为92．5％,伪受体位点的平均预测准确率为94．0％,供体位点的平均预测准确率为92．3％,伪供体位点的平均预测准确率为93．5％,整体效果要好于基于使用独立和条件概率矩阵、以及隐Markov模型的预测方法．表明利用贝叶斯网络对剪接位点建模是预测剪接位点的一种有效手段．     

基于支持向量机方法的蛋白质氨基酸残基可溶性预测

按照蛋白质序列中残基的相对可溶性,将其分为两类(表面/内部)和三类(表面/中间/内部)进行预测.选择不同窗宽和参数对数据进行训练和预测,以确保得到最好的分类效果,并同其他已有方法进行比较.对同一数据集不同分类阈值的预测结果显示,支持向量机方法对蛋白质可溶性的整体预测效果优于神经网络和信息论的方法.其中,对两类数据的最优分类结果达到79.0%,对三类数据的最优分类结果达到67.5%,表明支持向量机是蛋白质残基可溶性预测的一种有效方法.     

心电QRS波的非线性分类方法的研究

阐明了非线性分形维数的计算方法,然后将其应用于ＱＲＳ波分类,实验研究结果表明该算法不仅简单,而且具有很强的抗噪能力,对于ＰＶＢ的检出率高达９７．８％。     

小波和主分量分析方法研究思维脑电

研究自发脑电和思维活动的关系．利用小波和主分量分析结合的WPCA算法对不同思维任务记录的六导脑电进行处理,并对思维特征的频谱能量和变化率等多指标进行综合分析和计算。结果表明WPCA算法不仅可以实现噪声的去除,而且能提高主分量的贡献率,降低输入矢量的维数。对脑电主分量的分析揭示了脑电与思维个体、思维种类、复杂度以及注意力的联系,思维任务的神经网络分类结果验证了WPCA方法研究脑电和思维的有效性,为进一步理解认知和思维过程,实现对思维的定位和分类提供了依据。     

心电监护仪的性能测试

一、引言 为确保心脏监护类仪器的安全性和可靠性,美国食品和药物管理局(FDA)于1978年委托犹他大学研究所拟了一个标准草案,由美国国家标准研究所(ANSI)和医疗仪器促进协会(AAMI)正式形成ANSI/AAMIEC13标准,每年颁布,有时会作些小的修正。它和其它一批标准一起作为美国医疗仪器厂家保证医疗仪器质量和FDA发放许可证的主要依据,也被大多数国家用作质量监督的重要参考。     

心电数据压缩方法的新进展

一、引言 心电图(ECG)是心脏细胞电生理活动在体表的总体反应。1895年荷兰生理学家爱因妥芬(W.Einthoven)首次从体表记录到代表心脏完整的除、复极过程的心电波形,并以P、Q、R、S、T来标志不同的、可区分的波段,还给这类心脏电活动命名为心电图。从此开始了心电图的研究。并于在40、50年代建立了一套成熟的理论描述心脏活动的规律。