【摘 要】
：
蛋白质复合体在生物过程中具有重要的作用,从蛋白质互作用网络中进行蛋白质复合体检测是后基因时代的一项具有挑战性的任务。种子扩展方法是一种从蛋白质互作用网络中进行重
【机 构】
：
山西大学计算机与信息技术学院,山西大学计算智能与中文信息处理教育部重点实验室
【基金项目】
：
国家自然科学基金项目(61876103,61603230),山西省重点研发计划项目(201603D111014)资助
论文部分内容阅读
蛋白质复合体在生物过程中具有重要的作用,从蛋白质互作用网络中进行蛋白质复合体检测是后基因时代的一项具有挑战性的任务。种子扩展方法是一种从蛋白质互作用网络中进行重叠蛋白质复合体检测的有效技术。然而,现有方法面临两方面的问题:1)在选择种子结点时通常仅仅考虑了网络中结点的直接邻居之间的连接紧密度,难以充分体现结点在局部邻域子图内的重要性;2)在簇的扩展过程中假设候选结点之间是相互独立的,忽略了候选结点的添加顺序可能对聚类结果带来的影响。为了解决以上问题,文中基于生物网络同配性提出了一种重叠蛋白质复合体检测算法
其他文献
相信您读过鲁迅先生的《论雷峰塔的倒掉》后一定会对雷峰塔留有深刻印象。如今,具有悠久历史的雷峰塔开始重建——世人关注,重建采用钢结构——新颖出奇。本文从方案设计、制
中国图书馆学会代表团于2002年6月8日至21日赴乌克兰参加“第九届克里米亚(Crimea)图书馆大会”，并顺访俄罗斯主要图书馆。代表团由来自北京、陕西、山西、河南等省市的公共、
针对传统图像稀疏表示字典学习算法仅对图像训练学习单一字典,不能很好地对包含不同图像信息的图像块进行最优稀疏表示的问题,将图像灰度熵的思想引入到字典学习算法中,提出基于图像灰度熵的自适应字典学习算法。该算法将图像库作为训练样本,对图像库图像进行分块,计算各子块的灰度熵大小,依据灰度熵大小对子块进行分类,针对不同类别子块,设定不同K-奇异值分解算法参数,分别进行字典训练,从而得到多个不同的字典。根据灰
基于内容的图像检索是目前图像检索领域的研究重点。LBP纹理特征是基于内容的图像检索领域常用的特征。传统的LBP算法应用于图像检索系统时检索效率低,且不具有旋转不变性。旋转不变LBP(rotation invariant LBP,LBPri)算法虽然具备旋转不变性,但检索精度不高。为了提高基于内容的图像检索的精度和效率,在传统LBP算法的基础上提出一种增强旋转不变LBP描述符(Enhanced ro
本文探讨了数字城市三维可视化实施技术路线,分类介绍了数字城市三维可视化中各类建筑物模型的建立方法和过程以及三维虚拟演示集成,并对在数字城市三维可视化中涉及到的模型层次细节、模型分块、纹理处理、模型内部层次结构等几大关键技术进行了具体论述。
事件时序关系分类是事件抽取的重要后续任务。随着深度学习技术的发展,神经网络在事件时序关系分类任务中发挥着重要作用。但是,对于传统的循环神经网络或卷积神经网络而言,
多姿态人脸关键特征的自动识别,对处理人脸数据库中的图像具有重要意义。为了保证人脸关键特征被准确识别,需要对人脸关键特征进行提取。传统算法对多姿态人脸关键特征进行自动识别时有效性差、识别率低、效率低。为此,文中提出了一种基于向量机的多姿态人脸关键特征自动识别算法,利用相机的焦距将人脸关键特征图像的三维坐标表示出来,计算出多姿态人脸关键特征的三维信息。利用滤波器处理多姿态人脸的关键特征并对其进行提取,
特征匹配作为计算机视觉的一项关键技术而备受关注。近年来,基于描述子的特征点匹配技术取得了一系列突破性进展,但曲线长度不一、端点定位不准确以及周围包含的重复性纹理较多等因素,导致了曲线匹配研究依旧是一个极具挑战性的热点研究课题,且现有曲线匹配方法大多出现匹配总数少、匹配正确率低的问题。为增加特征匹配的总数和正确率,利用特征点和特征曲线的位置关系提出一种点线特征融合的误匹配剔除算法(Point Lin
针对多聚焦图像融合算法中边缘模糊和重影的问题,文中提出了一种基于显著稀疏表示模型的多聚焦图像融合方法。首先,根据显著稀疏表示将图像分解为公共稀疏部分、独有稀疏部分和细节信息。其次,利用独有的特征和细节信息检测图像的聚焦区域。最后,利用图像的细节和邻域信息更精确地划分聚焦区域和散焦区域,将不同的源图像的聚焦区进行融合。大量实验结果表明,该方法对多聚焦图像实现了有效融合。与几种最先进的融合算法相比,该
在处理由高斯白噪声污染的高对比度图像时,传统的三维块匹配(Block-matching and 3D)算法不能完整地保留图像边缘和纹理细节,去噪后的图像边缘会出现边缘振铃效应。为了弥补传统BM3D去噪算法在处理图像边缘和纹理细节时的不足,提出了先对噪声图像进行各向异性扩散滤波,再使用沿边缘方向代替水平方向搜索相似块的BM3D改进算法。实验结果表明,改进算法获得的相似块数量是传统方法的4倍,峰值信噪