-
公开(公告)号：CN106096328A
公开(公告)日：2016-11-09
申请号：CN201610265960.X
申请日：2016-04-26
Applicant: 浙江工业大学
IPC: G06F19/16
CPC classification number: G06F19/16
Abstract: 一种基于局部Lipschitz支撑面的双层差分进化蛋白质结构预测方法，首先，根据能量值选取当前种群中的最优构象，计算其他构象到最优构象的距离，并根据距离对所有构象进行排名；然后，选取离最优构象最近的部分构象建立Lipschitz下界支撑面，计算所选取的构象的能量下界估计值，并计算实际能量值与下界估计值的平均误差；最后，根据平均误差将算法分为两层，第一层随机选取构象进行片段组装生成新构象，第二层则根据最优构象进行片段组装生成新构象，从而引导算法快速可靠地向能量最低的区域收敛。本发明预测精度高、计算代价较低。
-
公开(公告)号：CN105893331A
公开(公告)日：2016-08-24
申请号：CN201610183761.4
申请日：2016-03-28
Applicant: 浙江工业大学
IPC: G06F17/16
CPC classification number: G06F17/16
Abstract: 一种基于主成分分析算法的道路交通时间序列数据压缩方法，首先，基于道路交通时间序列上历史数据，结合主成分分析方法，获取道路交通历史数据的投影矩阵；其次，基于道路交通时间序列上实时数据，获得道路交通数据矩阵；基于投影矩阵，获取道路交通数据矩阵的主成分，实现道路交通时间序列上实时数据的压缩；最后，基于道路交通数据矩阵的主成分和投影矩阵，求取重构的数据矩阵，实现道路交通时间序列上实时数据的重构。实验结果表明，本方法在道路交通时间序列上数据压缩方面具有很好的性能。
-
公开(公告)号：CN105808972A
公开(公告)日：2016-07-27
申请号：CN201610139514.4
申请日：2016-03-11
Applicant: 浙江工业大学
IPC: G06F19/16
CPC classification number: G16B15/00
Abstract: 一种基于谱知识从局部到全局的蛋白质结构预测方法，包括以下步骤：首先，对于查询序列通过多特征无缝穿线法获取高质量片段库，基于片段库通过统计一致性分析获取残基?残基间的距离谱知识；然后，将查询序列分为根据距离谱中记录的残基信息分为几段结构；之后，针对每一段结构通过片段组装得到能量较低且残基?残基间的空间距离逼近距离谱中预测距离；最后，对于未分段结构进行片段组装，计算全局能量，得到能量低且结构更为合理的亚稳态构象。本发明构象空间采样能力较好、预测精度高。
-
公开(公告)号：CN105808262A
公开(公告)日：2016-07-27
申请号：CN201610139793.4
申请日：2016-03-11
Applicant: 浙江工业大学
IPC: G06F9/44
CPC classification number: G06F8/22
Abstract: 一种基于json格式数据的命名匹配方法，包括以下步骤：首先，以键值首字母为大写的n层嵌套的json格式数据为基础建立数据源；然后，设置搜索键值由所要搜索的值所在层的键值和本身键值依次拼接而成；其次，以大写字母为分隔符拆分搜索键值，形成键值数组str[n]，以搜索到的值是否为json格式数据为结束条件，依次搜索，搜索次数为k；最后，判断k是否等于n，相等则搜索到所要匹配的数据。本发明提供一种在能够有效保护数据、提高数据传输效率、提升用户体验的基于json格式数据的命名匹配方法。
-
公开(公告)号：CN103279633B
公开(公告)日：2016-06-29
申请号：CN201310098936.8
申请日：2013-03-26
Applicant: 浙江工业大学
Abstract: 本发明为一种基于扩散加权磁共振数据的脑纤维三维显示方法，可以快速精确重构脑纤维束，属于信息技术领域中的医学图像处理领域。提出了一种新的离散非负约束结合高斯函数拟合的球面反卷积算法来建立扩散加权磁共振数据的球面反卷积模型，同时我们提出了一种以纤维束为基本跟踪单位的群体纤维跟踪算法，应用该算法跟踪球面反卷积模型可以快速重构脑纤维。通过应用VTK可视化工具包将群体纤维跟踪算法生成的数据可视化，从而将脑纤维精确的显示出来。本方法简化了计算，提升了跟踪速度，同时有良好的抗干扰性能。
-
Patent Agency Ranking
公开(公告)号：CN105321345A
公开(公告)日：2016-02-10
申请号：CN201510595771.4
申请日：2015-09-18
Applicant: 浙江工业大学
CPC classification number: G08G1/0129 , G06Q10/04
Abstract: 一种基于ARIMA模型和kalman滤波算法的道路交通流预测方法，首先提取道路交通历史数据，建立时间序列上道路交通数据的ARIMA模型；然后将道路交通数据的ARIMA模型与kalman滤波算法相结合，获取kalman滤波过程中的状态方程、测量方程以及更新方程；最后提取道路交通实时数据，基于ARIMA模型和kalman滤波的道路交通流预测算法，实现道路交通数据的实时预测。
-
公开(公告)号：CN104239953A
公开(公告)日：2014-12-24
申请号：CN201410353705.1
申请日：2014-07-23
Applicant: 浙江工业大学 , 杭州中威智能科技有限公司
IPC: G06Q10/00
Abstract: 一种基于GIS的城市地下电力管网系统单元模型震害预测方法，以地下电力管网实际管道单元为计算依据，获得地下电力管网矢量数据，在单元失效概率综合分析的基础上，综合分析管段和网络系统的失效概率；采用等长度单元划分，根据经验和预测精度的要求，将预测的管网分割成等长的若干管道单元；借助GIS空间网络分析技术，建立单元概率震害预测模型方法，选择地震波强度和场地地震液化以及断层错动作为修正震害率，采用综合经验概率预测方法，建立电力管道震害分析综合失效概率模型。本发明利用GIS的空间数据分析处理功能对电力管道进行预测单元自动划分，实现管道单元震害的预测。
-
-
公开(公告)号：CN113571126B
公开(公告)日：2024-03-22
申请号：CN202110764396.7
申请日：2021-07-06
Applicant: 浙江工业大学
IPC: G16B20/00 , G16B40/00 , G06N3/0464 , G06N3/08
Abstract: 一种基于多损失训练的蛋白质残基接触预测方法，首先，输入待进行蛋白质残基接触预测的蛋白质序列；然后，从PDB库中收集已知蛋白质结构的蛋白质，并搜索序列库，得到MSA；再利用协方差矩阵表示蛋白质序列残基的进化信息，并在处理协方差矩阵奇异性时，利用矫正矩阵改变原有矩阵的不可逆，将协方差矩阵的逆矩阵作为神经网络的特征输入；其次，搭建深度神经网络框架，由于蛋白质接触图具有的对称性，采用多输出形式的预测接触图计算不同的Loss，共同作用于训练模型但不参与测试，在数据集上学习预测模型；最后，将待进行蛋白质残基接触预测的蛋白质特征输入模型中，将得到该蛋白质残基接触。本发明计算代价小、预测精度高。
-
公开(公告)号：CN114708903A
公开(公告)日：2022-07-05
申请号：CN202210245505.9
申请日：2022-03-14
Applicant: 浙江工业大学
Abstract: 一种基于自注意力机制的蛋白质残基间距离预测方法，首先利用HHblits工具以最大90％的序列相似度和75％的覆盖率对Uniclust30和BFD序列数据库进行搜索，得到由查询序列的同源序列组成的多序列比对文件；利用HHsearch工具，使用MSA对PDB70数据库进行搜索，得到查询序列的模板；然后从MSA和模板中提取一系列特征输入到网络模型中进行训练；网络模型包括三角形乘法更新模块、轴注意力机制模块和卷积残差模块，训练过程迭代50代后获得训练模型，将测试蛋白提取特征输入到训练模型中，得到蛋白质残基对间距离落入每个区间的概率分布。本发明有效提高了蛋白质残基间距离的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.024 seconds)
