为了研究高原动物对青藏高原高寒、低氧等极端生境的适应机理,进一步探讨高原动物对高原反应——高原脑水肿抗性的分子机理,运用基因克隆与生物信息学相关技术和方法,对牦牛脑AQP4(水通道蛋白4,AQP4)基因CDS全长序列进行克隆、基因序列...为了研究高原动物对青藏高原高寒、低氧等极端生境的适应机理,进一步探讨高原动物对高原反应——高原脑水肿抗性的分子机理,运用基因克隆与生物信息学相关技术和方法,对牦牛脑AQP4(水通道蛋白4,AQP4)基因CDS全长序列进行克隆、基因序列比对及其生物信息学特征分析。结果表明,牦牛AQP4的CDS含有一个966 bp的开放阅读框,编码322个氨基酸;牦牛AQP4基因编码蛋白分子量34.69 k D,理论等电点(p I)7.59,其编码蛋白含有6次跨膜结构,属于疏水性蛋白;二级结构主要由α-螺旋、延伸及无规则卷曲构成;AQP4基因编码产物氨基酸同源性及系统进化分析发现,牦牛AQP4基因编码氨基酸序列与黄牛、绵羊等物种间同源性较高,系统进化情况与其亲缘关系远近一致。展开更多
为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine,SVM)、监督学习与长短期记忆(long short term memory,LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛...为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine,SVM)、监督学习与长短期记忆(long short term memory,LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation,NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识别出大数据中的异常驾驶行为并确定其种类。展开更多
文摘为了研究高原动物对青藏高原高寒、低氧等极端生境的适应机理,进一步探讨高原动物对高原反应——高原脑水肿抗性的分子机理,运用基因克隆与生物信息学相关技术和方法,对牦牛脑AQP4(水通道蛋白4,AQP4)基因CDS全长序列进行克隆、基因序列比对及其生物信息学特征分析。结果表明,牦牛AQP4的CDS含有一个966 bp的开放阅读框,编码322个氨基酸;牦牛AQP4基因编码蛋白分子量34.69 k D,理论等电点(p I)7.59,其编码蛋白含有6次跨膜结构,属于疏水性蛋白;二级结构主要由α-螺旋、延伸及无规则卷曲构成;AQP4基因编码产物氨基酸同源性及系统进化分析发现,牦牛AQP4基因编码氨基酸序列与黄牛、绵羊等物种间同源性较高,系统进化情况与其亲缘关系远近一致。
文摘为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine,SVM)、监督学习与长短期记忆(long short term memory,LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation,NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识别出大数据中的异常驾驶行为并确定其种类。