-
公开(公告)号:CN114596913B
公开(公告)日:2023-03-31
申请号:CN202210180117.7
申请日:2022-02-25
Applicant: 河南大学
IPC: G16B15/20
Abstract: 本发明属于计算生物学技术领域,公开一种基于深度中心点模型的蛋白质折叠识别方法及系统,该方法的目标是学习一个将每个蛋白质链映射为单位向量的深度嵌入网络,使得在嵌入空间中折叠类型相同的蛋白质链距离较近,折叠类型不同的蛋白质链距离较远。为此,本发明首先采用预训练的蛋白质语言模型将蛋白质的氨基酸序列表示成嵌入特征矩阵,然后通过同时最小化每个蛋白质链与其目标中心点的距离和最大化每个蛋白质链与其他非目标中心点的距离来学习深度嵌入网络,最后基于学习的深度嵌入网络进行蛋白质折叠类别的预测。总之,本发明通过采用深度嵌入学习技术能够精确地预测蛋白质的折叠类别。
-
公开(公告)号:CN112689315B
公开(公告)日:2022-10-21
申请号:CN202011574192.9
申请日:2020-12-24
Applicant: 河南大学
Abstract: 本发明提供了一种基于移动汇聚节点的WSNs改进分簇能耗优化方法,移动汇聚节点根据具体的运动模型进行移动。该方法包含以下步骤:首先,根据邻域节点阈值确定邻域节点集合,从而构建能量密度函数;其次,根据移动汇聚节点在不同轮的运动参数(速度、距离)构建运动性能函数;然后根据LEACH算法基础框架,将能量密度函数和运动性能函数引入簇头选择;最后根据当前轮节点死亡率构建自适应调节函数,对簇头选择进行自适应调节;重复上述簇头选择过程,直至全部节点死亡。本发明综合考虑了传感器节点邻域半径内剩余能量率和密度、移动汇聚节点运动参数变化、节点死亡率等因素,提高了簇头选择自适应性、延长了网络寿命、降低了数据延迟、均衡了网络负载。
-
公开(公告)号:CN114596913A
公开(公告)日:2022-06-07
申请号:CN202210180117.7
申请日:2022-02-25
Applicant: 河南大学
IPC: G16B15/20
Abstract: 本发明属于计算生物学技术领域,公开一种基于深度中心点模型的蛋白质折叠识别方法及系统,该方法的目标是学习一个将每个蛋白质链映射为单位向量的深度嵌入网络,使得在嵌入空间中折叠类型相同的蛋白质链距离较近,折叠类型不同的蛋白质链距离较远。为此,本发明首先采用预训练的蛋白质语言模型将蛋白质的氨基酸序列表示成嵌入特征矩阵,然后通过同时最小化每个蛋白质链与其目标中心点的距离和最大化每个蛋白质链与其他非目标中心点的距离来学习深度嵌入网络,最后基于学习的深度嵌入网络进行蛋白质折叠类别的预测。总之,本发明通过采用深度嵌入学习技术能够精确地预测蛋白质的折叠类别。
-
公开(公告)号:CN111340118B
公开(公告)日:2021-07-23
申请号:CN202010124973.1
申请日:2020-02-27
Applicant: 河南大学
Abstract: 本发明公开了一种基于信度熵和BJS散度的冲突证据融合方法,包括如下步骤:首先,获取杂草种类目标识别信息转换为证据信息,然后,通过融合证据的信度熵度量证据的不确定度,利用融合证据的BJS散度和支持度之间的关系构造证据的相对支持度,综合考虑融合证据的不确定度、相对支持度以及静态可信度对融合证据进行加权平均处理,得到加权平均证据,最后,采用Dempster组合规则对加权平均证据进行逐个融合,输出最终决策结果。本发明方案与传统算法相比,利用融合证据的信度熵有效度量不确定信息,通过证据的BJS散度有效度量证据BPA之间的相似度,利用信度熵和BJS散度共同确定融合证据的权重系数,实现智慧农业中杂草识别的快速、准确决策处理。
-
公开(公告)号:CN109241912B
公开(公告)日:2020-08-07
申请号:CN201811046842.5
申请日:2018-09-08
Applicant: 河南大学
Abstract: 本发明提供一种面向无人自主系统的基于类脑跨媒体智能的目标识别方法。该方法包括:步骤1、获取无人自主系统采集到的目标场景的视音频数据,对所述视音频数据进行预处理,提取所述视音频数据中的语言文字,将所述语言文字采用分布式表示,得到词向量;步骤2、结合对象时空上下文信息,对预处理后的视音频数据和词向量进行显著性计算;步骤3、根据显著性计算结果和对象时空上下文信息,训练多模态融合神经网络,提取视音频数据和词向量的属性语义信息;步骤4、根据对象时空上下文信息、属性语义信息和目标知识图谱的先验知识,采用认知计算和贝叶斯推理,得到目标场景中的目标语义信息。本发明能有效提升无人自主设备的智能化目标识别效果。
-
-
-
-