基于SDTW算法的DNA序列相似性分析

DNA序列相似性分析是生物信息学中最主要的内容之一,它的研究对于发现物种间的进化关系、判断血缘关系、治疗疾病等有着至关重要的作用。利用图形表示方式来分析DNA序列相似性时,局部差异是反映相似性的重要内容,但某些局部差异累积会导致本来十分相似的DNA序列在全局上呈现出较大的差异,从而导致误判。根据这一思想,本文提出基于SDTW算法的DNA序列相似性分析,该算法通过合理的分段既保持了局部差异的作用又在一定程度上控制了局部差异对全局差异的影响范围。文中以9个物种β-球蛋白第一个外显子的编码序列作为分析对象,将该算法与已有算法的分析结果进行比较。结果表明本文提出的算法相似性分析更加准确,分析结果的敏感性较高,有助于提高进化距离较近的分析对象间的区别度,可将其进一步应用于生物序列的信息分析。

基于主动学习的音频与乐谱对齐方法研究

歌声与乐谱对齐就是找到歌声的每个音符在乐谱上的相应位置,是人声合成、智能语音修饰、在线KTV等技术的基础。目前,传统的动态时间规整算法(DTW算法)通常用来实现歌声与乐谱的对齐。然而,该算法存在精度低和计算冗余的缺点,因此提出通过主动学习和子序列比对来辅助DTW算法的思维路径。此算法预计能将比对的准确度提高10%,结果有望证明主动学习和子序列比对可以提高DTW算法的准确度。