-
题名复杂网络聚类算法在生物网络中的应用
被引量:9
- 1
-
-
作者
田野
刘大有
杨博
-
机构
吉林大学计算机科学与技术学院
吉林大学符号计算与知识工程教育部重点实验室
-
出处
《计算机科学与探索》
CSCD
2010年第4期330-337,共8页
-
基金
国家自然科学基金No.60603030
60773099
+5 种基金
60873149
60503016
60703022
国家高技术研究发展计划(863)No.2006AA10Z245
2006AA10A309
模式识别国家重点实验室开放课题~~
-
文摘
复杂网络在现实世界中普遍存在,具有小世界性和无标度性等统计特性,网络簇结构是复杂网络重要的拓扑属性之一。在复杂生物网络中使用聚类算法揭示生物网络中的簇结构对分析生物网络的拓扑结构、预测其功能都具有重要意义。对复杂网络聚类方法在蛋白质-蛋白质相互作用网络和新陈代谢网络中的应用及其进展情况进行了综述,分析了几种聚类算法的评价函数和适用条件,并对生物网络聚类算法研究所面临的主要问题进行了讨论。
-
关键词
复杂网络
聚类
蛋白质-蛋白质相互作用网络
新陈代谢网络
生物网络
-
Keywords
complex networks
clustering
protein-protein interaction networks
metabolic networks
biological networks
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名基于熵值法定权的组合模型在变形预测中的应用
- 2
-
-
作者
冯立朋
朱军桃
熊东旭
尹愈
-
机构
桂林理工大学测绘地理信息学院
广西空间信息与测绘重点实验室
山东鲁迪测绘技术有限公司
-
出处
《北京测绘》
2018年第1期5-9,共5页
-
文摘
本文在介绍新陈代谢GM(1,1)、BP神经网络、卡尔曼滤波等三种单一的预测模型的基础上建立了基于熵值法定权的组合模型,通过实验分别对单一模型和组合模型进行分析和论证。实验结果表明:基于熵值法定权的组合模型预测精度要比单一的预测模型进度有所提高,为高精度变形预测又提供了一种新的行之有效的方法。
-
关键词
新陈代谢GM(1
1)BP神经网络
卡尔曼滤波
熵值法定权
组合模型
-
Keywords
metabolism GM (1,1 )
BP neural network
kalman filter
entropy law
combined model
-
分类号
P258
[天文地球—测绘科学与技术]
-