-
公开(公告)号：CN114639441A
公开(公告)日：2022-06-17
申请号：CN202210535743.3
申请日：2022-05-18
Applicant: 山东建筑大学
Abstract: 本发明公开了一种基于带权多粒度扫描的转录因子结合位点预测方法，该方法属于位点预测领域。该方法包含如下步骤：利用逆序列、互补序列和互补逆序列对初始数据集进行増广；使用独热编码和多碱基特征编码结合对DNA序列进行特征表示；划分训练集和测试集；计算特征的权重向量；进行带权的多粒度扫描；通过级联森林进行模型的训练得到转录因子结合位点分类预测模型；将测试集输入到该分类预测模型中，得到分类预测结果；构建评价指标对方法的性能进行评估。该方法克服了现有方法只注重单一碱基特征、训练耗时长、预测精度不高等问题，具有高度的鲁棒性和可移植性。
-
公开(公告)号：CN115331473B
公开(公告)日：2023-04-18
申请号：CN202111524959.1
申请日：2021-12-14
Applicant: 山东建筑大学
Abstract: 本发明涉及到一种地下多层停车场车位信息诱导停车位查找方法，它包含信号采集处理模块、控制器、4G/5G无线通讯模块、数据存储服务器和车位信息诱导管理软件。车主接收到数据存储服务器的停车信息，按最近停车场查找及诱导算法（PLAG），查找最优停车场：车主接收到数据存储服务器的停车位信息，按最近空车位查找及诱导算法（CLAG），本发明的算法将搜索域和更新域大大减少，并在候选停车场或空车位确定最优路径后及时停止。解决了停车的难题，并且还可以直接网上支付停车费，更方便快捷。整个发明具有操作效率高、智能无人化等特点。
-
公开(公告)号：CN114023387A
公开(公告)日：2022-02-08
申请号：CN202210003514.7
申请日：2022-01-05
Applicant: 山东建筑大学
Abstract: 本发明公开了一种基于卷积神经网络的细胞反卷积预测方法，该方法属于细胞反卷积预测领域。使用卷积神经网络技术从单细胞RNA测序数据中推测组织的细胞类型组成比例，与传统的细胞反卷积算法相比，解决了传统反卷积需要进行复杂的数据预处理，并需要设计数学算法对单细胞测序数据进行规范化等弊端。本发明设计的卷积神经网络可以从单细胞RNA测序数据中提取出隐藏特征，并且网络节点对数据的噪音和误差具有很高的鲁棒性，并充分挖掘了各个基因之间的内在联系，因而提高了细胞反卷积性能，同时模型是建立在神经网络的基础上的，与传统的线性模型，机器学习等方法相比，模型结构直观易于理解，并且具有更好的反卷积性能和高度的扩展性。
-
公开(公告)号：CN114121146B
公开(公告)日：2023-10-03
申请号：CN202111428461.5
申请日：2021-11-29
Applicant: 山东建筑大学
Abstract: 本发明公开了一种基于并行和蒙特卡罗策略的RNA三级结构预测方法，该方法属于结构预测领域。该方法包括利用并行机制进行构象空间采样；根据最新更新的能量函数进行打分；通过两轮势能评判对构象基于“Stepwise ansatz”的蒙特卡洛操作进行合理性判断；最后经过结构完整性和建模精度的判断，对结果进行处理，直到获得稳定的高精度高完整性的RNA三级结构。本发明所提RNA三级结构预测方法能够获得高精度高完整性的RNA三级结构。基于并行和蒙特卡罗策略的RNA三级结构预测方法灵活性高，蒙特卡罗次数可指定，建模精度和建模时间成本可以由用户来衡量；该方法克服了现有技术方法对RNA模体建模不完整的问题；本发明增加了构象采样的广度和深度，减小了伪最低自由能的影响，提高建模精度。
-
公开(公告)号：CN114639441B
公开(公告)日：2022-08-05
申请号：CN202210535743.3
申请日：2022-05-18
Applicant: 山东建筑大学
Abstract: 本发明公开了一种基于带权多粒度扫描的转录因子结合位点预测方法，该方法属于位点预测领域。该方法包含如下步骤：利用逆序列、互补序列和互补逆序列对初始数据集进行増广；使用独热编码和多碱基特征编码结合对DNA序列进行特征表示；划分训练集和测试集；计算特征的权重向量；进行带权的多粒度扫描；通过级联森林进行模型的训练得到转录因子结合位点分类预测模型；将测试集输入到该分类预测模型中，得到分类预测结果；构建评价指标对方法的性能进行评估。该方法克服了现有方法只注重单一碱基特征、训练耗时长、预测精度不高等问题，具有高度的鲁棒性和可移植性。
-
Patent Agency Ranking
公开(公告)号：CN114093420B
公开(公告)日：2022-05-27
申请号：CN202210024162.3
申请日：2022-01-11
Applicant: 山东建筑大学
Abstract: 本发明涉及计算生物学领域，主要是关于一种DNA重组位点的预测方法，特别是涉及到一种基于XGBoost的DNA重组位点预测方法，包括：根据初始数据集的样本对数据进行预处理，平衡正负样本；构建初始XGBoost回归预测模型；利用Optuna框架和平衡后的数据集进行模型的参数寻优；训练优化后的XGBoost回归预测模型；构建评价指标对模型的性能进行评价；根据模型得分的合理判断，对模型进行处理，直到获得稳定的高精度模型；最后输出预测位点的重组率，并经过特征重要性度量为特征打分，输出特征得分图。本发明可移植性好，预测效率高；可以发现尚未知晓的对重组起作用的特征，可以有效改进合成位点的设计方法，提高重组率；具有高度的灵活性和可扩展性。
-
公开(公告)号：CN114023387B
公开(公告)日：2022-04-22
申请号：CN202210003514.7
申请日：2022-01-05
Applicant: 山东建筑大学
Abstract: 本发明公开了一种基于卷积神经网络的细胞反卷积预测方法，该方法属于细胞反卷积预测领域。使用卷积神经网络技术从单细胞RNA测序数据中推测组织的细胞类型组成比例，与传统的细胞反卷积算法相比，解决了传统反卷积需要进行复杂的数据预处理，并需要设计数学算法对单细胞测序数据进行规范化等弊端。本发明设计的卷积神经网络可以从单细胞RNA测序数据中提取出隐藏特征，并且网络节点对数据的噪音和误差具有很高的鲁棒性，并充分挖掘了各个基因之间的内在联系，因而提高了细胞反卷积性能，同时模型是建立在神经网络的基础上的，与传统的线性模型，机器学习等方法相比，模型结构直观易于理解，并且具有更好的反卷积性能和高度的扩展性。
-
公开(公告)号：CN114093420A
公开(公告)日：2022-02-25
申请号：CN202210024162.3
申请日：2022-01-11
Applicant: 山东建筑大学
Abstract: 本发明涉及计算生物学领域，主要是关于一种DNA重组位点的预测方法，特别是涉及到一种基于XGBoost的DNA重组位点预测方法，包括：根据初始数据集的样本对数据进行预处理，平衡正负样本；构建初始XGBoost回归预测模型；利用Optuna框架和平衡后的数据集进行模型的参数寻优；训练优化后的XGBoost回归预测模型；构建评价指标对模型的性能进行评价；根据模型得分的合理判断，对模型进行处理，直到获得稳定的高精度模型；最后输出预测位点的重组率，并经过特征重要性度量为特征打分，输出特征得分图。本发明可移植性好，预测效率高；可以发现尚未知晓的对重组起作用的特征，可以有效改进合成位点的设计方法，提高重组率；具有高度的灵活性和可扩展性。
-
公开(公告)号：CN116684300A
公开(公告)日：2023-09-01
申请号：CN202310725049.2
申请日：2023-06-19
Applicant: 山东建筑大学
IPC: H04L41/14 , G06F30/22 , H04L41/0894 , H04L12/28
Abstract: 本公开提供了一种智能家居远程控制系统仿真分析方法及系统，包括：对智能家居远程控制系统进行功能模块划分；基于划分的功能模块构建智能家居远程控制系统的面向对象PIRES+网模型；其中，所述面向对象PIRES+网模型的构建，具体为：基于指令数据传输模块和功能回显反馈模块的内部数据流转信息，构建包括指令数据传输模块对象子网、功能回显反馈模块对象子网以及网关的智能家居远程控制系统抽象面向对象PIRES+网模型；通过预先构建的移动端控制模块、PC端控制模块以及系统功能控制模块的面向对象PIRES+对象子网对所述抽象面向对象PIRES+网模型进行网关细化，获得细化后的PIRES+网模型；基于细化后的模型，对所述智能家居远程控制系统进行仿真分析。
-
公开(公告)号：CN115331473A
公开(公告)日：2022-11-11
申请号：CN202111524959.1
申请日：2021-12-14
Applicant: 山东建筑大学
Abstract: 本发明涉及到一种地下多层停车场车位信息诱导停车位查找方法，它包含信号采集处理模块、控制器、4G/5G无线通讯模块、数据存储服务器和车位信息诱导管理软件。车主接收到数据存储服务器的停车信息，按最近停车场查找及诱导算法（PLAG），查找最优停车场：车主接收到数据存储服务器的停车位信息，按最近空车位查找及诱导算法（CLAG），本发明的算法将搜索域和更新域大大减少，并在候选停车场或空车位确定最优路径后及时停止。解决了停车的难题，并且还可以直接网上支付停车费，更方便快捷。整个发明具有操作效率高、智能无人化等特点。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.023 seconds)
