导读:本文包含了网络染色论文开题报告文献综述及选题提纲参考文献，主要关键词:叁维基因组学,Hi-C,染色质叁维结构重构,算法
网络染色论文文献综述
王潇[1]（2019）在《基于Hi-C数据的染色质叁维结构重构算法和网络服务》一文中研究指出染色质的叁维结构在基因表达调控、细胞发育以及遗传疾病发生等过程中发挥着重要的作用。随着染色质构象捕获技术及其衍生技术的发展,尤其是全基因组范围内捕获染色质交互的Hi-C技术的出现,现已获得大量的染色质交互频率数据。如何利用这些数据重构出染色质的叁维构象,已经成为叁维基因组学领域的一个重要研究方向。目前已有的重构算法主要分为两类:基于热力学的方法和基于距离约束的方法。这些重构方法的应用有助于揭示染色质结构的形成机制及其生物学功能。本文提出了一种基于共聚集系数和误差矢量合成的叁维结构重构算法——EVRC算法。该算法首先计算染色质片段间的共聚集系数,然后将一个片段的所有误差矢量加和,通过不断迭代优化,重构出染色质的叁维结构。为了评价算法的有效性和准确性,我们将其应用于六种典型结构的模拟数据集和真实的Hi-C数据集。在不同转换参数与随机噪声下,重构从简单到复杂的六种模拟结构时,结果显示,重构结构与真实结构之间均具有很高的相似性,表明了EVRC算法的有效性和鲁棒性。应用于真实的Hi-C数据时,我们首先对野生型拟南芥的5条染色体在不同分辨率下进行叁维重构,显示了染色体间的结构特征差异。在重构野生型和突变型拟南芥的1号染色体结构时,EVRC算法准确地显现了着丝粒区域的构象变化。这说明了EVRC算法在真核生物多染色体结构重构中的适用性与准确性。为了方便使用,我们也制作了网站提供在线服务。作为染色质叁维结构重构的新工具,EVRC算法将促进人们对染色质结构和功能的研究。(本文来源于《华中农业大学》期刊2019-06-01）
李力,易兵,汪南方[2]（2019）在《BP神经网络预测与优化棉织物的染色工艺》一文中研究指出主要利用BP神经网络预测棉织物染色性能和优化染色工艺.神经网络技术与正交实验相结合,建立染色影响因素与染色深度和色牢度关系的BP神经网络数学模型(5-10-2),以正交实验样本训练网络,利用随机样本检验网络的准确和稳定性.在此基础上,利用网络摸拟出全局的染色工艺,对其进行因素水平的取值频率统计,最后得到较优的工艺参数范围.(本文来源于《湖南工程学院学报(自然科学版)》期刊2019年02期）
吴海涛[3]（2018）在《图染色和网络算法设计与分析的一些新结果》一文中研究指出图论是现代应用数学的一个重要分支,其研究对象通常是一张图G(V,E),这里V是图的顶点集合,E是图的边集合。经过一百多年的发展[17],图论已经演化为一个拥有众多分支领域诸如染色理论,拉姆齐理论,网络理论等的庞大家族。一方面,从纯粹基础理论研究的角度,推动图论不断发展的是其理论领域本身的内部矛盾。例如四色猜想就是最为重要的理论推动力之一。在攻克四色猜想的过程中,不断涌现出的新方法和新问题使得图的染色理论逐渐发展为图论中主要的研究领域之一。而四色猜想问题本身最终于1976年被K.Appel和W.Haken借助电子计算机所证明。另一方面,由于图本身所具有普适性,使得其被广泛的应用于表示和描述很多复杂的现实问题。因而很多由实际应用如通信网络中所产生的问题是推动图论不断发展的另一重要源泉。本论文分别从图论的理论和实际这两个角度出发,着重研究了染色理论中的Steinberg猜想和在实际的弹性光网络EON以及网络虚拟化中算法的设计与分析。在第一章中,我们首先介绍了Steinberg猜想及其发展现状,以及关于弹性光网络EON和网络虚拟化的相关背景。从理论方面,在第二章中,我们证明了平面图不含四圈和六圈是7/2可染的,这一结论说明了所有不含四圈和六圈的平面图的分数色数的上界不超过7/2。这一结论和Steinberg猜想有较为紧密的联系。在四色猜想被攻克以后,Richard Steinberg于1976年提出了如下猜想:Steinberg猜想:所有不含四圈和五圈的平面图是叁色可染的。在16年之后,为了逼近这一猜想,Paul Erdos于1991年提出了对这一猜想的如下松弛:即确定这样的k的最小值(如果存在的话)使得所有不含4,5,…,k圈的平面图是叁色可染的[32]。在2005年,Borodin等人证明了k≤7[92]。在2017年,V.Addad,M.Hebdige,D.Kral,Z.Li和E.Salgado 否定了Steinberg 猜想[93],即k>5。因此,Erdos所提出的最小的k值是否等于6是最后没有确定的临界值。我们的结论对k=6成立提供了支持。在实际应用方面,随着万物互联时代的到来,世界范围内的通讯需求和多样化的实际应用需求呈现井喷式的发展。这场信息革命要求未来的通讯网络更加高效,智能,敏捷和可扩展。为了满足下一代通信网络的趋势,许多新兴的网络架构和网络技术例如弹性光网络EON和网络虚拟化已经不断的涌现。弹性光网络EON,由于其在光谱上的灵活性,被视为下一代光网络的标准架构。网络虚拟化则被视为克服目前互联网僵化问题的最为有前景的网络技术。伴随着这些新架构和技术而来的是很多亟待解决的新兴的图论问题,例如弹性光网络EON中的路由和频谱分配的RSA问题以及网络虚拟化中的虚拟网络嵌入的VNE问题。在第叁章中,我们研究了弹性光网络EON中的路由问题。在这一问题的研究上,一直存在一个令人困惑的问题:那就是通信请求的分布和底层EON拓扑结构的变化是如何影响路由算法的。因为路由问题在整个RSA中起着决定性的作用,我们对分布和底层拓扑对于路由问题的影响进行了详细的理论分析。在研究过程中,我们提出了两条关键的理论作用链:(1)在EON中,路由算法的最优性是由其相应的冲突图的色数所决定,而冲突图的色数又与任意两条光路(由路由算法所决定)的相交概率成正比;(2)通信请求的分布和底层EON拓扑的影响可以被一个由冲突系数所构成的冲突矩阵所刻画。而基于冲突矩阵,任意两条光路的相交概率可以被一个二次型规划所决定。结合这两条理论链,我们刻画了通信请求分布和底层EON拓扑结构对路由算法的影响,并且给出了最优的路由决策和相关的近似算法。实际的数值仿真结果验证了我们所提出的理论链的有效性。在第四章中,我们对RSA中的频谱分配问题进行了研究。在路由阶段结束之后(所有的通信请求都已设定在其相应的光路上),任意两条光路之间如果经过了一条或多条相同的底层光纤,则为了减少相应的信号干扰以及保证通信的质量和安全,分配给他们的信号频谱应当在光谱上被一定的警戒带宽所隔离。而警戒带宽大小的设定则由任意两条光路的具体的干扰情况所决定。因此不同光路之间的警戒带宽的大小应当是根据实际情况而变化的。但目前相关的研究均把所有的警戒带宽设定为一致的大小,从而造成了巨大的频谱浪费。针对这种情况,本论文对提出了一种距离频谱分配的的DSA模型来对在警戒带宽大小变化的情况下的频谱分配进行研究。我们首先证明了 DSA问题是NP困难的,并对其的不可近似性进行了刻画。之后,通过与冲突图的色数和哈密顿路问题建立联系,我们给出的DSA的最优解的紧的理论上界和下界。为了高效的解决DSA问题,我们进一步提出了一个二阶段算法。算法的第一阶段产生一个DSA问题的初解,并且我们证明了该初解在一些图类中能达到最优解或保证一定的近似比。之后,算法的第二阶段采用一个随机划分算法对初解的结果进行了进一步的提升和改进。实际的数值结果证明了我们所提出的算法能得到较好的次优解,并且具有快速的运算时间和良好的可扩展性。虚拟网络嵌入的VNE问题是网络虚拟化中的最核心且具有挑战性的问题,其主要的任务是将一些虚拟请求的网络嵌入到一个共享的底层网络中去。VNE问题是一个NP困难的问题,其中虚拟网络的拓扑多样性是造成其难以较好的被解决的主要原因之一。但在实际的应用中,很多的虚拟请求网络都具有一些共同的拓扑结构特征,例如都是路和圈。为了取得更好的实际效果,设计出针对这些特殊结构的虚拟请求网络的专有算法是提升效能的关键。此外,路和圈是最为基础的网络拓扑结构也是构成所有复杂结构的基石,因此针对路和圈的结构的VNE问题的研究对一般结构的VNE问题起到至关重要的作用。在第五章中,我们对路和圈的VNE问题进行研究。对于路的VNE问题,在一个简化的情况下,我们证明了它下仍然是NP困难的,并且借助欧拉环游设计了相应的近似算法。在真实情况下,我们证明了它的不可近似性,并且设计了一个高效的基于多背包问题和多维背包问题的启发式算法。对于圈的VNE问题,我们构造了一个赋权有向辅助图,并在此基础上设计了一个多项式时间的圈到圈VNE的最优嵌入算法。与一般的VNE算法相比,实际的数值结果证明了我们所提出的算法能提高路和圈VNE的实际接受率和收益。(本文来源于《南京大学》期刊2018-11-01）
李双春,王威强,胡德栋[4]（2018）在《基于BP神经网络的超临界CO_2染色动力学模型研究》一文中研究指出本文采用BP神经网络方法,建立了结构为2-7-1的超临界CO_2染色动力学模型,对超临界二氧化碳中分散蓝79上染涤纶纤维的K/S值进行预测。将38组不同染色温度、时间条件下的训练样本输入模型进行训练,模型训练输出与训练样本的相关系数达到了0.99988。然后将4组预测样本带入模型进行检验,结果显示:模型预测值与样本值之间的相对误差小于2%。证明该模型用于预测超临界条件下织物染色的动力学数据是可行的。(本文来源于《第十二届全国超临界流体技术学术及应用研讨会暨第五届海峡两岸超临界流体技术研讨会论文摘要集》期刊2018-09-15）
樊粉霄[5]（2018）在《基于改进神经元网络的木材染色智能配色系统研究》一文中研究指出将木材用于实际生活,时常存在木材的表面特性达不到人类视觉性要求的问题,这必然影响木材的使用价值。对于此问题通常通过木材染色工艺来解决。社会生产中,木材染色配色过程效率低、精度差,染色配色模型建立存在困难,木材染色配色过程存在不确定性。为了解决上述一系列问题,本文将智能算法引入木材染色计算机自动配色系统,减少了配色过程所需时间,并且染色效果也可以达到预期要求。这一研究成果对木材染色工艺的发展起到了推动的作用。并且智能算法的引入,为木材染色配色模型的建立引入了新思路,对智能算法的发展起到了促进的作用。本研究首先将RBF神经网络引入计算机配色,并建立木材染色配色模型。该模型网络收敛速度慢,染色精度难以达到预期要求,对新鲜样本的适应能力低,同时陷入局部最佳值的可能性较大。针对这些缺点,在传统的RBF神经网络模型的基础上引入了模糊算法、遗传算法,建立了木材染色配色的混合模型。所建模型通过Matlab编程实现。仿真结果显示,基于RBF神经网络的模型,网络收敛速度为158步,相对误差为1.55%,此模型配色需要耗费较长的时间,影响配色效率,且由于误差较大,配色效果难以达到目标要求。基于模糊RBF神经网络的染色配色模型,网络收敛速度为134步,相对误差为0.96%,相较于基于RBF神经网络的配色模型,配色耗时相对缩短,配色效果相对较佳。基于遗传算法全局优化RBF神经网络的配色模型,网络在遗传算法进化到20代左右时逐渐稳定,相对误差为0.87%,配色耗时和配色效果均优于上述两种模型,并且基本可以达到目标要求。综合比较叁种模型,由于基于遗传算法全局优化RBF神经网络的配色模型网络收敛速度最快、精度最高,所以选取此网络作为木材染色计算机智能配色系统的核心,在此基础上,设计和完成木材染色计算机智能配色系统。(本文来源于《东北林业大学》期刊2018-04-01）
曹赟[6]（2018）在《基于生成式对抗网络的多样化染色》一文中研究指出图像染色任务是计算机视觉学科中历久弥新的课题之一。绝大部分目前的图像染色课题的研究目标都是希望能够还原灰度图原来的真实颜色,因此这些研究大多采用有监督的确定性模型。然而我们知道,对于同一张灰度图,在保证灰度值通道不变的情况下,其实可以染色的方案有很多。因此本文探究的,是目前的研究还没有实现的无监督的多样化灰度图染色任务。我们的任务目标不再仅仅是恢复灰度图原来的颜色,而是希望能够输入一张灰度图,生成多样化的并且能保持高逼真性的彩色图片,同时又不改变图像的灰度值。近两年新提出的生成式对抗网络(Generative Adversarial Network,GAN)技术,采用无监督的对抗式学习方法,在多领域取得了优秀的成果,吸引了非常多研究者的关注。生成式对抗网络能够将随机噪声输入映射到目标图像域中,从而生成多样化而又逼真的图像。因此生成式对抗网络技术非常适合用于无监督的多样化灰度图染色任务。本文首次实现了基于生成式对抗网络的多样化图像染色任务,提出了一种新颖的生成式对抗网络结构,并针对该任务对网络进行了五点改进:(1)选择了步长为1的全卷积主体生成器结构替代原本模型中的步长为2的自编码器结构,减少了网络计算量,有效减少了参数数量;(2)通过合理设计的多级条件引入方式代替原本模型的单级条件引入方式,使生成彩色图像保持更好的灰度一致性;(3)通过多级噪声引入方式代替原本的单级噪声条件的输入方式,有效增强了生成图片的多样性;(4)采用YUV颜色空间作为生成图片的表示形式代替原本采用的RGB颜色空间作为生成图片的表示形式,很好地保持了灰度图染色结果的稳定性;(5)选择了原始的生成网络损失函数,通过实验证明了该损失函数相比最近提出的WGAN的Wasserstein距离损失函数对生成效果有更大的帮助。我们选择调查问卷(图灵测试)的方式对我们优化的生成式对抗网络的染色结果进行评测。由共计130份有效答卷的统计分析结果表明,我们的生成模型的多样化染色结果通过了图灵测试。说明我们的网络在生成多样化染色方案的同时,很好地保持了图片的逼真性。本文的研究不仅通过采用新的无监督的对抗式方法解决了图像染色问题中目前尚未解决的多样化染色问题,进而可以拓展到图像风格化,甚至是辅助艺术设计。同时也为生成式对抗网络技术的发展提供了一些宝贵经验。(本文来源于《上海交通大学》期刊2018-01-12）
张诗林[7]（2017）在《CRISPR-Cas9染色质免疫共沉淀技术揭示细胞重编程中多能基因Sox2、Oct4启动子的DNA-IncRNA结合网络》一文中研究指出研究背景和研究目的:诱导体细胞逆分化为具有多能性的胚胎干细胞的过程称之为细胞重编程。科学家们一直在努力探索细胞重编程的方法,以便将干细胞广泛的应用于科学研究以及临床治疗。一直以来对体细胞重编程方法的研究进展有限,已知的方法,如细胞核移植,细胞融合以及干细胞去核提取物孵育体细胞的方法都存在缺陷,很难得到能够发育为成熟胚胎的干细胞,并且存在道德、伦理的争议。人工诱导多能干细胞的成功制备给了科学家们新的希望。人工诱导性多能干细胞是由日本科学家Yamanaka在2006年首次将4种多能性相关转录因子Oct3/4、Sox2、Klf4、c-Myc转入体细胞中得到的,命名为人工诱导性多能干细胞(i PSC)。i PSC的发现不仅是人们应用多能干细胞的希望,同样也为人们提供了新的视角,探索将多能性相关转录因子引入细胞后,体细胞逆分化为多能干细胞以及多能干细胞维持干性的机理。但是,在这一过程中,何种因子参与重编程调控,有多少因子在多能性因子的内源性表达上起到了关键的作用,如与多能基因Sox2和Oct4启动子相互作用,在重编程中激化内源性多能基因,目前依然是空白。本实验的主要目的是找到细胞重编程过程中能够参与Sox2和Oct4内源性表达,即能够与Sox2和Oct4启动子相互作用的因子,尤其是调控重编程的长链非编码RNA(lnc RNA),进而探讨人工诱导性多能干细胞在形成过程中的机制,找到启动这一过程的关键节点,以便提高重编程转化效率,在未来更好的调控这一过程。研究方法:实验中我们应用了CRISPR-Cas9技术来探索诱导性多能干细胞形成以及维持多能性可能的机制及原理。CRISPR-Cas9作为近10年来发现并应用十分广泛的基因编辑工具,是由一段特异的长度大约20bp左右的RNA靶向序列-通用的结构支架(sg RNA)和Cas9核酸内切酶组成,通常用于靶向切除某些基因,起到研究或者治疗的作用。CRISPR-Cas9的特点在于它的靶向性,因其携带的特异性sg RNA能够特异性的结合在目的基因处,并将Cas9蛋白结合在该处,作为分离目的基因的媒介。我们首先转入带有Sox2、Oct4启动子序列的sg RNA的Lenti-CRISPR质粒,经过筛选后获得能够稳定携带Cas9-g RNA基因的细胞。通过细胞固定将Cas9蛋白、Sox2与Oct4启动子特异性sg RNA以及能够和启动子结合的分子,如DNA、lnc RNA甚至是蛋白质结构固定在一起形成复合物。我们的实验中主要研究了能够和Sox2与Oct4启动子结合的DNA以及lnc RNA,由于RNA的稳定性较低,所以两者的方法略有不同。在研究和启动子相互作用的DNA时,我们通过Cas9特异性抗体将Cas9复合物从超声破碎后的细胞提取液中分离出来,通过解交联解开复合物的联接,并用DNA提纯的方法获得Cas IP DNA样品,制作基因文库,并应用Ch IP-seq方法进行测序。而在研究和启动子相互作用的lnc RNA时,我们在固定细胞后,首先在细胞内将RNA逆转录为c DNA并用Biotin-CTP标记,以便保证RNA分析的稳定。然后重复Cas9抗原抗体反应以及免疫共沉淀方法,之后利用生物素亲和素的结合分离出被Biotin-CTP标记的、参与Sox2、Oct4启动子结合的lnc RNA,同样进行Ch IP-seq测序对样本进行分析。研究结果:Cas IP、Ch IP-seq分析结果发现能够和Sox2、Oct4启动子结合的多种因子参与到了很多重要的细胞生理过程中。对测序结果进一步分析发现并且在PCR结果中证实了位于小鼠17号染色体上的Oct4基因与位于3号染色体上的Sox2基因启动子在多个位点上存在相互作用,而Sox2/Oct4启动子也和Sox2/Oct4基因本身在多个位点相互联系,其中的启动子与增强子区域能够形成特异的启动子-增强子染色质内环结构。这种染色体之间以及染色体之内形成的空间构架只存在于诱导性多能干细胞中,而并没有在多能基因不表达的未重编程的小鼠成纤维细胞中发现。这一结果证明了在体细胞重编程过程中,Oct4和Sox2,Sox2和Sox2以及Oct4和Oct4基因之间存在许多的相互作用,并且这些相互作用可能在促进细胞重编程以及维持多能性上具有很重要的作用。同时在RT-Cas IP的Ch IP-seq测序结果中发现了能够与Sox2/Oct4基因启动子相互作用的lnc RNA在IPSC和FBC中存在显着差异。这一结果证明了这些lnc RNA能够参与到细胞重编程过程中,并且通过调动Sox2/Oct4的远端增强子到近端启动子的过程在细胞重编程与多能性的维持上起到关键作用。实验结论:通过Cas IP方法以及Ch IP-seq测序,我们发现,位于3号染色体上的Sox2基因的启动子与位于17号染色体上的Oct4基因以及Sox2基因形成远端增强子-启动子-DNA环。使用RT-Cas IP-Seq测定发现,一些长链非编码RNA(lnc RNA),如Palr5,Palr8,Palr9具有结合DNA的能力并且主动参与Sox2-Oct4相互作用,调动远处增强子与近端启动子形成染色质环,促进核心多能性因子的表达。这种染色质空间折迭在促进细胞恢复以及维持多能性上具有很重要的作用。(本文来源于《吉林大学》期刊2017-05-01）
董立国[8]（2016）在《人INO80染色质重塑复合物调控基因的分析与基因间调控网络的构建》一文中研究指出在真核细胞中,染色质的高次结构处于动态变化的状态:当染色质结构排列紧密时,会阻止初始转录因子和RNA聚合酶募集到相应基因启动子上特定序列的DNA位点,从而使相应基因的转录受到抑制;而当染色质结构疏松时,初始转录因子及RNA聚合酶更易于接近到其基因启动子上,激活相应基因的转录。染色质重塑因子对染色质结构转换起到重要的作用,同时染色质重塑因子在基因转录调控过程中,经由特异的转录因子/特异的DNA序列募集到靶基因上,并作为一个激活或抑制因子而发挥改变染色质结构作用,进而调控相应基因转录的生物学功能。人源INO80染色质重塑酶是ATP酶依赖的染色质重塑复合物属于SWI/SNF2超家族的成员,参与了多种染色质依赖的不同生物学过程。做为染色质重塑酶的一种,h INO80复合物不仅参与基因转录调控、DNA复制和DNA损伤修复等多种重要的生命过程,在小鼠胚胎发育及其干细胞分化过程中也起着重要的作用。在本论文中,我们集中研究h INO80染色质重塑复合物可以影响的下游基因,及其基因间的调控关系网络。其中,h INO80复合物酶活性中心结构域中核心亚基Arp8、Ies2、Ies6和INO80亚基是进化过程中保守的亚基,在其ATP水解酶依赖的核小体在DNA上的滑动中起着重要的作用。本论文主要通过生物芯片和生物信息学方法从转录组水平上研究人源INO80调控的下游基因及其基因间的网络关系,首先通过si RNA干扰的方法敲低h INO80复合物中4个关键保守亚基(Arp8、Ies2、Ies6和INO80催化亚基);然后应用统计学方法和Gene Ontology聚类分析来探索复合物调控的核心通路,包括免疫应答(GO:0051607 defense response to virus)、细胞分化(GO:0045597:positive regulation of cell differentiation)和多糖和脂肪酸代谢(GO:0006027glycosamin-oglycan catabolic process和GO:0006633 fatty acid biosynthetic process)等细胞信号通路;另外我们筛选到了20个h INO80可能直接调控的基因,包括(M160、FAM65B、SIRT4和LAMP2等)。通过以上分析,我们基本阐明了人源INO80染色质重塑酶复合物调控的下游基因及其相关网络结构。(本文来源于《吉林大学》期刊2016-05-01）
李璐瑶,王静,戴明,樊娜[9]（2015）在《基于超图染色的网络编码重传方案研究》一文中研究指出考虑到现有的基于时间的网络编码重传方案具有指数复杂度,不适合大规模网络,提出一种基于超图染色的网络编码重传方案,以提高传输效率。该方案采用超图染色算法,根据数据包丢失矩阵构造超图并对其进行染色,从而确定进行网络编码的丢失数据包。仿真实验表明,基于超图染色的网络编码重传方案具有与基于时间的网络编码重传方案相同的传输效率,且计算复杂度较低。(本文来源于《计算机应用与软件》期刊2015年08期）
闫国民[10]（2014）在《无线网络中基于SINR的分布式染色算法的研究》一文中研究指出空间资源复用是无线网络的关键特征，空间资源复用在提高网络容量的同时，也引起了公共信道冲突，这被认为是无线通信性能下降的一个主要原因。冲突的本质是干扰，干扰建模是量化干扰的通用方法。分布式理论在无线传感器网络中有着广泛的应用，无线网络中的许多问题都是分布式算法设计中需要面对的经典问题。染色问题在实际生活中有着广泛的应用，不仅是无线网络中是一些MAC协议设计的基础，也是分布式计算中打破对称的一个主要方法。分布式理论的一些问题具有一定难度，容易产生的一个错觉是理论与实际应用之间存在较大断层，即理论上很成熟，但是实际应用中又比较抽象。论文从应用的角度探究分布式理论在无线传感器网络算法设计中出现的经典问题，并对一些经典问题之间的关系进行了讨论，例如独立集和染色之间、独立集和支配集之间等。目前主要存在冲突图（Conflict Graph, CG）模型、一般图（General Graph, GG）模型、协议干扰模型（Protocol Interference Model, PM）和物理干扰模型（Signal to Interference PlusNoise, SINR）等各类干扰模型，这些模型各有优缺点。论文通过干扰建模对SINR模型进行扩展，使得一些CG模型或者PM能够更好的描述实际情况。最后，在我们扩展后的SINR模型下，利用弱图染色的思想，设计染色算法。具体研究内容如下：在各类干扰模型中，物理干扰模型能够更好的描述实际情况，2-distance冲突图模型能够更好地限制干扰，但是只能模型化两个并发传输的干扰。我们累积所有并发传输的干扰，并以此为依据建立规划函数，将2-distance冲突模型转化为SINR。论文总结了将冲突图模型转化到SINR模型的一般过程，通过选择合适的因子实现σ模型向标准2-distance的转化，通过公式推导将以接收节点为中心的PM模型转化为σ-协议模型，以发送节点为中心的PM模型转化为σ-Tx协议模型，从而达到PM模型向SINR模型的转化。染色问题在不同的干扰通信模型下有很多不同的解决方案，我们在深入研究染色问题之后，结合缺陷染色和部分正常染色的思想，在SINR模型下得到一个(Δ+1)-染色分布式算法。我们假设图最初弱染色，并且每一个节点有一个不一样的顶点标识符。我们首先计算一个极大独立集（Maximal Independent Set, MIS），算法的时间复杂度为O(logn)；然后通过时间复杂度为O(Δ)的K-部分正常染色算法和时间复杂度为O (logΔ)的D-缺陷染色算法得到(Δ+1)-染色，其中K <Δ，最终算法的时间复杂度为O (logn+Δ)。在设计弱染色算法时，利用贪心策略和启发式规则使得节点能够选择正确的颜色而不产生错误。论文对每一个算法进行了严格的算法正确性分析和证明。(本文来源于《曲阜师范大学》期刊2014-04-01）
网络染色论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
主要利用BP神经网络预测棉织物染色性能和优化染色工艺.神经网络技术与正交实验相结合,建立染色影响因素与染色深度和色牢度关系的BP神经网络数学模型(5-10-2),以正交实验样本训练网络,利用随机样本检验网络的准确和稳定性.在此基础上,利用网络摸拟出全局的染色工艺,对其进行因素水平的取值频率统计,最后得到较优的工艺参数范围.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
网络染色论文参考文献
[1].王潇.基于Hi-C数据的染色质叁维结构重构算法和网络服务[D].华中农业大学.2019
[2].李力,易兵,汪南方.BP神经网络预测与优化棉织物的染色工艺[J].湖南工程学院学报(自然科学版).2019
[3].吴海涛.图染色和网络算法设计与分析的一些新结果[D].南京大学.2018
[4].李双春,王威强,胡德栋.基于BP神经网络的超临界CO_2染色动力学模型研究[C].第十二届全国超临界流体技术学术及应用研讨会暨第五届海峡两岸超临界流体技术研讨会论文摘要集.2018
[5].樊粉霄.基于改进神经元网络的木材染色智能配色系统研究[D].东北林业大学.2018
[6].曹赟.基于生成式对抗网络的多样化染色[D].上海交通大学.2018
[7].张诗林.CRISPR-Cas9染色质免疫共沉淀技术揭示细胞重编程中多能基因Sox2、Oct4启动子的DNA-IncRNA结合网络[D].吉林大学.2017
[8].董立国.人INO80染色质重塑复合物调控基因的分析与基因间调控网络的构建[D].吉林大学.2016
[9].李璐瑶,王静,戴明,樊娜.基于超图染色的网络编码重传方案研究[J].计算机应用与软件.2015
[10].闫国民.无线网络中基于SINR的分布式染色算法的研究[D].曲阜师范大学.2014