-
题名复杂疾病的上位性检测方法研究
- 1
-
-
作者
卢友敏
于述春
陈胜才
吴平
-
机构
怀化学院计算机科学与工程学院
怀化市第四人民医院精神科
-
出处
《信息与电脑》
2018年第10期44-45,共2页
-
基金
2015年湖南省教育厅科研项目"基于蚁群算法的精神类疾病上位性分析的研究"(项目编号:15C1093)
-
文摘
随着现代经济和社会的发展,科学技术日新月异,更新的速度十分快。从基因分型技术的发展情况来看,将其应用到复杂疾病的研究上已不再是难题。现阶段相关研究人员以影响复杂疾病的重要遗传因素之一,即上位性为依据,展开了相关方面的探讨与分析。笔者以此为切入点,在原有的研究方法的基础上针对上位性检测方法进行了详细的研究。
-
关键词
上位性
统计类方法
机器学习方法
信息熵方法
两阶段分析
-
Keywords
epistasis
statistical method
machine learning method
information entropy method
two stage analysis
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于统计聚类方法的儿童下肢肌电信号周期识别
被引量：1
- 2
-
-
作者
闫成起
赵利华
陈梦婕
周军
-
机构
上海交通大学电子信息与电气工程学院电子系
上海交通大学医学院附属儿童医院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第5期273-276,284,共5页
-
基金
上海交通大学“科技创新专项资金”(YG2017MS33)。
-
文摘
为运用肌电信号分析髋脱位儿童和正常儿童的差异,提出一种基于统计的聚类方法,识别步态中下肢肌电信号的周期起始时刻。使用非参数贝叶斯模型将肌电信号序列聚类为状态序列,并通过k均值聚类算法将该状态序列标记为肌肉活跃和不活跃两种状态,将肌肉活跃状态的起始时刻作为肌电信号周期的起始位置,并且利用窗函数方法提高预测准确性。实验结果表明,该方法对于预测正常儿童周期起始位置的识别误差较小,平均值为2.15%,并且在5%的置信度水平下与SampEN、SNEO和IP等检测算法相比具有较高的预测准确率。
-
关键词
肌电信号
周期识别
统计聚类方法
非参数贝叶斯模型
k-means算法
滑动窗
-
Keywords
Electromyography(EMG)signal
periodic identification
statistical clustering method
nonparametric Bayesian model
k-means algorithm
sliding window
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名基于综合信息模型的太阳活动预测方法
- 3
-
-
作者
秦磊
张灿
金会彬
-
机构
中国科学院研究生院信息科学与工程学院
-
出处
《中国科学院研究生院学报》
CAS
CSCD
2008年第1期69-73,共5页
-
基金
国家自然科学基金(60573112)
国家“十一五”项目资助
-
文摘
利用基于地磁活动指标型信息的统计先验类方法预测太阳活动周期峰值,是一种实用、有效的方法,但是利用此方法在对个别太阳活动周期的预测中出现较大误差,特别地,在对目前所处的第23太阳活动周期的预测中,误差超过30%.提出了利用多种信息综合预测太阳活动周期峰值的新方法.仿真实验表明,与基于地磁指标型信息的统计先验类方法比较,该新方法具有更好的适应性和稳定性,在对第23太阳活动周期的预测中,平均误差为10%.
-
关键词
太阳活动周期
统计先验类方法
综合信息模型
峰值预测
-
Keywords
solar activity cycle, statistical precursor methods, synthesis information model, prediction of the amplitude
-
分类号
TP15
[自动化与计算机技术—控制理论与控制工程]
-
