导读:本文包含了序列可视化论文开题报告文献综述及选题提纲参考文献，主要关键词:FLAIR,胎儿脑,MR,可视化
序列可视化论文文献综述
M.C.Diogo,D.Prayer,G.M.Gruber,P.C.Brugger,F.Stuhr[1]（2019）在《平面回波FLAIR序列改善胎儿脑MR成像时的下皮质板可视化》一文中研究指出摘要胎儿MRI检查时,皮质板(未来的皮质)在子宫内易于识别。然而下皮质板和中间带(IZ)之间T_2对比度差,其余脑分层的MRI评价受限。目的比较T2加权单次激发快速(本文来源于《国际医学放射学杂志》期刊2019年05期）
彭燕妮,樊晓平,赵颖,周芳芳[2]（2019）在《时间事件序列数据可视化综述》一文中研究指出时间事件序列数据,是由一个或多个记录构成的集合,每个记录由一组带有时间戳的事件类别组成.数据可视化被广泛用于时间事件序列数据的频繁模式发现、相似模式匹配与查询以及潜在阶段模式检测.文中介绍了时间事件序列数据的特征,并重点从时间事件序列数据的可视化呈现方法和可视分析2个方面对已有的工作进行了系统的整理.在可视化呈现方式上,将现有的可视化方法分为4个类别,即基于GanttChart、基于Flow、基于StoryLines及基于矩阵的可视化方法,并分别介绍了相关类别的可视化方法的发展;将可视分析任务总结为4类主要任务,即模式发现与探索、可视化查询、对比分析及结果事件分析,并且从这些可视分析任务的角度总结了现有的可视分析工具.最后,对时间事件序列数据可视化面临的挑战以及未来趋势进行了总结和展望,以期为时间事件序列数据分析提供新的思路.(本文来源于《计算机辅助设计与图形学学报》期刊2019年10期）
陈馨菂,李天瑞,杨欢欢[3]（2019）在《基于时间序列数据的交互式主题河流可视化》一文中研究指出主题河流是一种常用的展示时间序列数据的可视化形式,能够有效展示多个主题的整体趋势,但由于下层河流的波动会干扰上层河流,因此用户在观察单个河流时容易产生歧义。而现有的可视化技术无法有效解决这个问题。针对上述传统主题河流存在的问题,提出如下改进方法:采用离散系数评价河流波动程度,将波动小的河流布局在下层,减少对上层河流的影响;提出歧义点概念,为用户提供波动强度和贡献度作为筛选参数,用户根据需求在交互接口中设置筛选参数,系统筛选出可能造成歧义的点在图中动态地进行标识;设计歧义点标识,标识内容包括:使用正叁角或倒叁角表示该点的峰谷信息;叁角的颜色表示贡献度最高的主题信息;交互式主题河流重排序(用户根据歧义点信息,可通过拖拽对河流进行重新排序)。试验数据采用知乎网站的20个主题在2015年全年的活跃度信息,试验结果表明交互式主题河流能有效消除传统主题河流在展示河流趋势时产生的歧义,为用户提供更灵活、个性化的可视化展示。(本文来源于《山东大学学报(工学版)》期刊2019年04期）
胡丹妮,章梦瑶,郑勤华[4]（2019）在《基于滞后序列分析法的在线学习者活动路径可视化分析》一文中研究指出研究从学习分析视角出发,以365大学平台《<资治通鉴>导读》2015年某班次学习者为研究对象,采用滞后序列分析法,探究了观看视频和完成作业两种学习活动的发生顺序所揭示的行为逻辑。首先,对每一课程章节学习中的四个关键时间节点进行编码,并生成学习路径图;其次,通过Gephi将分析结果可视化。研究结果表明,在学习过程中,学习者观看课程视频热情较低,且课程章节间、章节内的学习回溯行为较少。基于此,研究对于致使学习者出现积极、消极学习行为的原因进行了讨论,并根据学习者对外部资源和知识构建的需求,为教学资源、活动的设计,课程及平台功能的设计与开发以及自适应学习路径规划应用提供合理建议。(本文来源于《电化教育研究》期刊2019年05期）
赖瑞勋,王敏,杨明,张晓丽[5]（2018）在《二维洪水模型时间序列数据的网络可视化》一文中研究指出二维洪水演进模型的计算成果主要包括洪水淹没水深、流速等,是分析评估洪水灾情的重要技术依据。二维洪水模型的计算成果具有很强的时空分布的特点,同时涉及到矢量和标量数据,其网络可视化一直是计算水动力学领域的热点和难点问题。设计了洪水淹没模型从模型计算到数据发布和可视化的系统架构,以ArcGIS API for JavaScript为开发接口,实现了洪水最大淹没水深的网络可视化,水深时间序列数据的网络查询与可视化,以及洪水淹没范围随时间变化的显示。该网络可视化架构应用于黄河下游小浪底至河口河段,应用结果表明该系统查询效率高,可视化效果明显,丰富了二维洪水模型成果表达的实现方式。(本文来源于《地理空间信息》期刊2018年12期）
李静,徐路路,赵素君[6]（2019）在《基于时间序列分析和SVM模型的基金项目新兴主题趋势预测与可视化研究》一文中研究指出[目的/意义]基金项目文本蕴含着丰富的前沿主题信息,通过细粒度识别科学研究前沿中的新兴主题,可以预测分析新兴主题未来发展趋势并可视化展示。[方法/过程]文章提出一种基于时间序列分析和SVM模型的基金项目新兴主题趋势预测与可视化分析方法,分析基金项目内外部特征属性,构建基金项目新兴主题探测公式,利用时间序列分析和支持向量机等深度学习算法模型,对新兴主题发展趋势进行预测分析,最后利用可视化分析软件Gephi进行可视化展示以揭示前沿领域竞争态势。[结果/结论]通过以石墨烯领域数据进行实验并结合专家咨询和传统论文聚类方法对比分析,表明该方法能够更加快速准确识别新兴主题,为我国科技政策制定提供决策支持和参考。(本文来源于《情报理论与实践》期刊2019年01期）
李东辉,郭长凌,薛化健,程剑[7]（2018）在《基于时间序列的车用气瓶充装数据可视化分析及预测》一文中研究指出笔者基于新疆车用气瓶物联网电子监管系统,开展了车用气瓶充装数据分析方法的研究工作。数据分析平台基于Hadoop构建,利用时间序列等分析方法,对特征提取和特征选择进行了研究。对车用气瓶充装数据进行行为分析和预警,以及行为模式的可视化展示,并采用隐马尔可夫模型方法建立天然气能源消耗预测模型,为物联网监督及监管部门提供技术参考,是物联网技术发展和应用的表现。(本文来源于《信息与电脑(理论版)》期刊2018年13期）
王晶[8]（2018）在《基于基因序列可视化与深度学习的结构变异基因型判别》一文中研究指出下一代测序技术的飞速发展使得人们能通过大量较短的读段推测个体完整的染色体序列,同时促进了基因变异检测的发展。结构变异的基因型对于人类遗传多样性和临床疾病研究有着至关重要的影响。现有变异基因型判别方法存在检测长度范围有限、判别准确率和敏感度不足等问题,因此提高变异基因型判定的效率及扩大可测变异长度成为目前基因变异研究的热点。本文以缺失变异基因型为研究对象,提出一种创新性的以基因序列图像作为输入、通过深度学习网络判别变异基因型的方法。本文的主要工作归纳为以下叁个方面:(1)对基因序列的可视化研究。序列可视化既能弥补基因数据文件可读性差的劣势,又能为深度学习网络提供图像输入。借助基因数据解析工具解读基因序列和变异基准数据的存储规则,研究基因序列映射到图像像素过程中存在的坐标、颜色对应问题,使序列图像能呈现变异序列区域不同于其他区域的多种特征。(2)对变异图像覆盖位置选取的研究。为满足后续深度学习网络对输入图像大小统一的要求,提出两种位置选取策略:断点策略和压缩策略。断点策略采集每个变异两断点处的图像,压缩策略捕获整个变异区域的图像后借助CUDA加速技术进行下采样压缩。两种可视化策略能适用于各种长度的变异基因型判别,同时为后续深度网络提供了尺寸一致的图像输入。(3)基于深度学习模型分类进行基因型判别研究。以各种基因型的基因序列图像为输入,训练深度学习模型进行基因型分类。为评估基因型判别方法的有效性,本文在不同覆盖度的仿真数据上测试包括本文方法在内的多种工具,结果证明,本文的检测策略与其他工具相比,在高低覆盖度数据上均有更广的检测长度范围、更高的准确率和敏感度。针对真实数据的基准变异文件存在过多噪声基因型的问题,本文借助仿真数据验证卷积-Bootstrapping算法的抗噪声标签性能,结果证明该改进算法能极大提升网络的抗噪声标签能力,并在此基础上估测了千人基因提供的基准缺失变异文件的基因型噪声状况。(本文来源于《北京化工大学》期刊2018-05-24）
吴若雪,梁笑轩,郑智捷[9]（2018）在《改进型NIST测试对ZUC算法随机序列的可视化检测》一文中研究指出保障网络空间安全通常采用序列密码算法对信息进行加密。检测一个序列密码算法的优劣,一般是采用NIST标准中的方法对其产生的随机序列进行测试。NIST提供的检测方法仅对单个序列进行测量具有密钥流利用率不高、结果不够直观等缺点,描述了对NIST的检测方法进行改进后形成系统检测的新方法。首先对密钥流采用多分段计算的方法,增加了密钥流的利用率,使得一个长密钥流形成多个测量度量使测量结果系统化,将所获得的数据进行分组统计,通过公式将系统测量结果转换为二维图像,使得结果直观可视化。将其应用在对ZUC算法的检测上,更好地展现出ZUC算法的统计特性。经过检测后观察到ZUC算法产生的序列密码具有良好的随机性,并且当密钥流越长,图像上的特征点聚集程度越高。(本文来源于《计算机应用研究》期刊2018年01期）
张晓宇[10]（2017）在《基于R语言的蛋白质序列可视化工具开发》一文中研究指出生物研究者通过访问数据库可获得大量的序列数据集和序列突变,这些数据的可视化使研究人员更加直观地研究这些变异在人类疾病中所具有的潜在作用。然而当蛋白质上的功能元件相距过密时,目前已有的可视化软件很难分辨出其具体位置,因而无法获得有效信息。本文基于R语言开发的蛋白质序列可视化工具实现了在蛋白质水平上对氨基酸变化的可视化,该软件不仅绘出在蛋白质水平上氨基酸变化的图像,还可完成结构域、突变位点等功能元件的自动布线,从而更加清晰地观察蛋白质中的变异以及是否在特定的结构域中分布着有害突变等信息,从而揭示出某些疾病的患病机理。论文主要工作如下:(1)数据预处理。自动下载UniProt数据库中人类的蛋白质数据,并对下载的数据进行预处理。(2)本文提出蛋白质二维结构图的自动布线算法,并依该算法绘制蛋白质二维结构彩色示意图。本算法实现了当蛋白质各功能元件相距过密时,对其实际位置自动布线且不重合的功能,快速而清晰地绘制出蛋白质二维结构彩色示意图,并通过文本文件控制蛋白质的名称及样式等。(3)对蛋白质序列进行保守性分析。读取FASTA文件中不同物种的蛋白质序列,对其进行保守性分析,并通过文本文件设置是否对其用彩色图像显示。(4)实现局部放大功能。用户可以通过文本文件设置是否局部放大图像以及局部放大区域,对感兴趣的部分进行放大。(5)将软件程序打包并测试。经过数次调试,系统完成了设计目标,通过测试,满足了蛋白质序列可视化工具的功能要求。(本文来源于《大连海事大学》期刊2017-01-01）
序列可视化论文开题报告
（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：
时间事件序列数据,是由一个或多个记录构成的集合,每个记录由一组带有时间戳的事件类别组成.数据可视化被广泛用于时间事件序列数据的频繁模式发现、相似模式匹配与查询以及潜在阶段模式检测.文中介绍了时间事件序列数据的特征,并重点从时间事件序列数据的可视化呈现方法和可视分析2个方面对已有的工作进行了系统的整理.在可视化呈现方式上,将现有的可视化方法分为4个类别,即基于GanttChart、基于Flow、基于StoryLines及基于矩阵的可视化方法,并分别介绍了相关类别的可视化方法的发展;将可视分析任务总结为4类主要任务,即模式发现与探索、可视化查询、对比分析及结果事件分析,并且从这些可视分析任务的角度总结了现有的可视分析工具.最后,对时间事件序列数据可视化面临的挑战以及未来趋势进行了总结和展望,以期为时间事件序列数据分析提供新的思路.
（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。
序列可视化论文参考文献
[1].M.C.Diogo,D.Prayer,G.M.Gruber,P.C.Brugger,F.Stuhr.平面回波FLAIR序列改善胎儿脑MR成像时的下皮质板可视化[J].国际医学放射学杂志.2019
[2].彭燕妮,樊晓平,赵颖,周芳芳.时间事件序列数据可视化综述[J].计算机辅助设计与图形学学报.2019
[3].陈馨菂,李天瑞,杨欢欢.基于时间序列数据的交互式主题河流可视化[J].山东大学学报(工学版).2019
[4].胡丹妮,章梦瑶,郑勤华.基于滞后序列分析法的在线学习者活动路径可视化分析[J].电化教育研究.2019
[5].赖瑞勋,王敏,杨明,张晓丽.二维洪水模型时间序列数据的网络可视化[J].地理空间信息.2018
[6].李静,徐路路,赵素君.基于时间序列分析和SVM模型的基金项目新兴主题趋势预测与可视化研究[J].情报理论与实践.2019
[7].李东辉,郭长凌,薛化健,程剑.基于时间序列的车用气瓶充装数据可视化分析及预测[J].信息与电脑(理论版).2018
[8].王晶.基于基因序列可视化与深度学习的结构变异基因型判别[D].北京化工大学.2018
[9].吴若雪,梁笑轩,郑智捷.改进型NIST测试对ZUC算法随机序列的可视化检测[J].计算机应用研究.2018
[10].张晓宇.基于R语言的蛋白质序列可视化工具开发[D].大连海事大学.2017