检索历史 清除

【中文期刊】 隋鑫 解朋  等 《中国医药导报》 2022年19卷16期 156-160页 ISTICCA

【摘要】 目的 构建并比较甲状腺良恶性结节超声二维灰阶图像的多种数学模型.方法 收集河北医科大学第三医院2015年6月至2021年6月行超声检查发现甲状腺结节的504例患者.术中共切取546个甲状腺结节样本行病理学检查,其中良性结节415个,恶性结节...

【关键词】 甲状腺结节； 超声； Libsvm分类；

【中文期刊】 王宝文 王水星  等 《生物信息学》 2009年7卷4期 261-263页 ISTIC

【摘要】 在蛋白质结构预测的研究中,一个重要的问题就是正确预测二硫键的连接,二硫键的准确预测可以减少蛋白质构像的搜索空间,有利于蛋白质3D结构的预测,本文将预测二硫键的连接问题转化成对连接模式的分类问题,并成功地将支持向量机方法引入到预测工作中.通过...

【关键词】 蛋白质结构预测； 二硫键； 支持向量机；

【中文期刊】 崔萌 张春雷  《电子技术》 2015年6期 1-5页

【摘要】 SVM是Vapnik等人在统计学习理论基础上针对线性分类器提出的一种最佳分类准则,被广泛应用于文本、图像、语音等多个领域的分类问题.LIBSVM、LIBLINEAR、SVMmulticlass是基于支持向量机(SVM)原理集成的两类或多类分...

【关键词】 LIBSVM； LIBLINEAR； SVMmulticlass；

【中文期刊】 刘明 闫蓬勃  等 《科技信息（学术版）》 2007年34期 1-8页

【摘要】 实验对当今主流的3种蛋白质数据训练集进行了研究.目的是为了建立一个新的训练集从而能更准确的把蛋白质的每个氨基酸残基归类为正确的二级结构,例如,α螺旋、β折叠或无规则卷曲.在分析了传统的蛋白质数据训练集的数据结构以及研究了已发表的传统的训练集...

【关键词】 改良的蛋白质数据训练集； LIBSVM； 蛋白质二级结构预测；

【中文期刊】 崔萌 张春雷  《数码世界》 2016年7期 85-87页

【摘要】 SVM是Vapnik等人在统计学习理论基础上针对线性分类器提出的一种最佳分类准则,被广泛应用于文本、图像、语音等多个领域的分类问题.LIBSVM、LIBLINEAR、SVM是基于支持向量机(SVM)原理集成的两类或多类分类器工具包,这三种工...

【关键词】 LIBSVM； LIBLINEAR； SVMmulticlass；

【中文期刊】 赵今朝 刘铭  等 《生物医学工程研究》 2024年43卷1期 40-45页 ISTIC

【摘要】 睡眠分期是评估睡眠质量的基础.然而,睡眠呼吸暂停(sleep apnea,SA)会改变测试者的睡眠结构,进而影响对睡眠分期的准确评估.因此,在评估睡眠质量时,准确检测睡眠呼吸暂停和睡眠分期至关重要.为准确评估睡眠分期,本研究通过研究脑区之间...

【关键词】 脑电图； 睡眠阶段； 分类；

【学位论文】 作者： 朱莎 导师：刘晓  上海交通大学  交通运输工程 Speciality Logistics Engineering（硕士） 2013年

【摘要】 近年来，各种自然灾害和公共卫生突发事件频发，严重影响着人们日常生活和生命财产安全。血液是应急救援的重要物资，属于易腐品并具有很高的时间敏感性。准确预测突发事件应急血液需求对于保障血液供应，防止采血过量，避免灾后血荒等具有重要意义。但由于突发...

【关键词】 突发事件； 应急血液；

【学位论文】 作者： 帅敏锋 导师：邓日强  中山大学  生物学 动物学（硕士） 2007年

【摘要】 MiRNAs 是一类22个碱基长的非编码蛋白序列，它能在转录后水平上发挥重要的调节表达作用。茎环结构是miRNA前体(pre-miRNA)的重要特征，然而在许多基因组中存在大量类似茎环结构的序列，如何正确的区分它们值得我们进行研究。目前利用...

【关键词】 生物信息学； LibSVM；

【外文期刊】 Khudhur A. Alfarhan ; Mohd Yusoff Mashor ; 等 《Journal of Biomimetics, Biomaterials, and Biomedical Engineering》 2018年35卷 96-108页

【关键词】 Arrhythmia; Electrocardiogram (ECG); Library Support Vector Machine (LIBSVM);

【外文期刊】 K. Keerthi Krishnan ; K.P. Soman ; 2022年38卷3期 267-285页

【关键词】 variational mode decomposition; VMD; empirical wavelet transform;