导读:本文包含了序列模式识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:序列,时间,基因组,模式,天然免疫,模型,极值。
序列模式识别论文文献综述
马双剑[1]（2019）在《行为序列模式识别在泛娱乐平台用户兴趣发现中的应用》一文中研究指出泛娱乐是现阶段互联网发展的重要特征之一,移动互联网泛娱乐化的趋势,激活了用户固有的、旺盛的娱乐社交需求。用户在产品使用过程中产生了大量日志,包含了一切行为的时间、地点、内容、互动、消费等信息,企业如何充分利用用户在其产品上留下的海量日志,运用数据挖掘技术,对用户进行深刻洞察,挖掘用户属性,揣摩用户的喜好,提取出对企业有价值的信息,以实现平台效益的最大化,也成为了工业界和学术界一个热点研究话题。带有时序信息的行为日志,又称为行为路径,蕴含了用户跳转习惯、路径偏好等有价值的信息,为了引导用户持续深入体验产品的价值,最大限度的激发用户兴趣,互联网行业普遍采用用户行为路径分析方法,该方法又可以称为行为序列模式挖掘,是一种将序列挖掘技术与用户行为路径相结合,探索行为规律,发现兴趣模式,从而获知产品使用情况,找到优化方向的分析方法。本文积极探索了行为序列模式识别技术在用户兴趣发现中的应用,从挖掘偏好路径、提取关键功能点、分析低活跃用户特征叁个角度,构建了一个多层次用户兴趣分析体系,并以某泛娱乐平台的用户真实行为数据为基础,通过实验,论证了该体系的可行性,具体工作如下。首先提出了有效行为和有效序列的概念,并据此完成了数据清洗和整理,形成了供后续分析的基础数据,然后从序列长度、行为种类等角度进行了基本的数据探索和特征分析。其次,基于隐马尔可夫模型的参数估计问题,设计实验,进行了用户兴趣模式的挖掘。实验根据序列长度将基础数据进行了分组,并且为了保证模型科学训练,不被分布差异过大的数据所误导,本文还提出了针对性的分层采样方案。在结果评估阶段,基于已知行为所属场景天然属于隐藏状态的事实,设计出了隐藏状态准确率的指标,利用该指标挑选出了较优模型,进而模拟出最可能的行为路径,从这些模拟的路径中发现出了用户的路径偏好规律,并说明了这些模拟序列在兴趣发现中的实际指导意义。然后,为了解决泛娱乐平台中重要功能的发现问题,本文基于数学领域中图论的思想,提出了以行为为节点,以行为的跳转关系为边构建图的方案,将问题抽象成为图论中的关键节点发现问题。在关键节点发现的方案中,选用了叁种从不同角度刻画节点重要性的指标。在实验分析阶段,利用不同序列长度的分组数据,分别进行了图形的构建和关键节点的发现,并在每个指标下得出了头部的结果,通过对比不同组别和不同指标的结果,给出了对系统起到重要作用的功能,并针对这个结果对产品提出了优化建议,证明了该场景下图模型的可行性。最后,聚焦于泛娱乐生态促活问题,设计了对比实验,将平台的低活跃用户和高活跃用户的行为序列进行对比,以高活跃的数据指标作为参考,观察指标为界面跳出率和界面退出率,提出了用于衡量两组数据差异度的指标比例差值。针对跳出率和退出率,选取比例差值大于阈值的行为界面作为实验结果。然后从实际业务出发,解释了这些界面对用户流失造成了哪些具体的影响,并给出了优化方案,最后还提出了其他针对性的的促活建议。(本文来源于《对外经济贸易大学》期刊2019-05-01）
邢龙生,席羽,乔曦,钱万强,万方浩[2]（2018）在《苹果蠹蛾模式识别受体基因的序列特征、进化分析和表达谱》一文中研究指出昆虫主要依赖模式识别受体分子(PRRs)来检测和识别外来病原物,从而激活宿主的天然免疫反应。苹果蠹蛾在我国是一种重要的入侵性害虫,对苹果、梨等水果生产造成严重的经济损失。有关苹果蠹蛾免疫识别过程及其分子机制仍不清楚,缺乏基因组水平上的认识。在本研究中,我们根据苹果蠹蛾基因组的注释结果对模式识别相关蛋白进行了鉴定分析,主要包括:123个富亮氨酸重复蛋白(LRR),10个Toll样受体,40个C型凝集素蛋白(CTL),8个肽聚糖识别蛋白(PGRP),7个葡聚糖识别蛋白(β-1,3-GRP),3个半乳糖凝集素蛋白(galectin),3个维蛋白原相关蛋白(FREP),6个硫酯蛋白(TEP),1个溶血素蛋白(hemocytin),1个hemolin蛋白,1个Dscam蛋白。基于其他物种中已知的模式识别受体基因,我们进行了序列比对和进化分析,从而揭示了苹果蠹蛾病原识别相关蛋白的进化历史。利用NCBI SRA数据库中已发表的转录组测序数据,计算得到不同组织中的表达量信息,结果表明模式识别分子呈现了多样化的表达模式特征。通过本研究,有助于理解模式识别受体在苹果蠹蛾免疫反应过程中的功能以及开展进一步的深入研究。(本文来源于《第五届全国入侵生物学大会——入侵生物与生态安全会议摘要》期刊2018-08-03）
王凯,胡怡婧,徐青[3]（2018）在《基于时间序列ARMA模式识别的基坑监测预警优化研究》一文中研究指出本文分析了传统监测预警模式的特点,为优化深基坑工程传统监测预警模式提出基于时间序列ARMA模型对地铁深基坑变形进行多重防线监测预警。在大量监测数据的基础上,利用时间序列ARMA模型对基坑沉降变形进行预测,对比分析预测值与实际值。根据武汉唐家墩地铁站基坑水事故特征,研究ARMA模式数据的变化,预警深基坑工程施工风险,并进行综合风险分析,以达到全面预防涌水事故的目的。(本文来源于《工业安全与环保》期刊2018年07期）
郭洋[4]（2018）在《深度学习在时间序列模式识别中的研究与应用》一文中研究指出随着物联网技术的迅速发展与普及,大量的传感器数据被搜集,而这些时间序列数据正是其所观测物体运行状态的数据表征,客观反映了观测对象的工作模式,并对未来趋势的预测提供了数据基础,具有巨大的应用价值。物联网中时间序列数据不同于传统静态数据,具有时序长时间依赖和相关性、特征维度高等特点,如何对这些时间序列数据内部隐含的模式与知识进行有效挖掘已成为当前研究的热点。近年来,深度学习技术由于其强大的特征学习与表征能力受到研究界和工业界的广泛关注,并已在自然语言处理、计算机视觉、语音识别等领域取得了极好的效果。本文基于深度学习技术,对物联网中时间序列数据模式识别问题进行了深入研究,主要工作如下:1、为了从多维时间序列数据中更充分地提取出空间特征与时间特征,本文提出了可用于识别与预测任务的端到端的深度模型LR-convLSTM,它包括用来从原始时间序列中提取高级状态特征的卷积的LSTM层与可以从高级状态序列中捕获长时间依赖的LSTM层两部分。文中基于穿戴设备数据集Opportunity对本文所提出的模型在动作识别与预测任务中和其他算法进行了对比,结果显示LR-convLSTM模型在时间序列分类与预测任务中都取得了很好的结果。2、面向非均衡工业故障诊断任务,对深度学习模型在非均衡数据场景中的应用进行探索。本文从基于重采样的数据预处理与代价敏感学习算法两个角度对深度学习模型在非均衡数据多分类任务中的应用效果进行了比较与分析,提出了面向非均衡工业故障诊断的深度模型应用方法,并使用记录了工厂设备运行状态的数据集对该方法进行验证与评估,结果证明该方法在非均衡数据多分类任务中拥有较高的识别正确率与稳定性。(本文来源于《北京邮电大学》期刊2018-03-08）
程辉[5]（2017）在《基于时间序列分析的人体运动行为模式识别研究》一文中研究指出人体运动行为识别作为人工智能和智能家居领域研究的一部分,一直以来备受国内外各界人士的广泛关注。通信网络的发展使得物联网技术作为传输媒介实现智能家居、智能医疗、健康保健及恢复、助老助残等方面的人机交互迈向了一个新的高度,但是它只是实现人机交互的中间一环,无法采集人体运动的实际信息。人体运动行为识别是人机交互控制的一个重要体现,如何采集人体运动有效信息经传输媒介达到人机交互式控制进而对人体日常活动进行实时有效监测和识别是一个重要的研究课题。伴随微电子技术、通信技术、SoC、半导体技术和集成电路等嵌入式技术的发展,使得集成有无线通讯模块的加速度传感器在人体运动实时采集和监测识别领域得到了一定程度的应用,与此同时也存在很多实际难题亟待完善和解决。基于此,本文以人体运动识别为研究对象,围绕人体加速度信号的采集、信号预处理、时间序列特征提取、模型训练识别方法等方面提出了基于时间序列分析的人体运动行为模式识别方法的研究与实现,主要研究工作包括:1、为了满足时间序列分析的要求,本文设计了特定地加速度数据采集平台,并建立了人体日常运动中常见动作变化的数据样本集,这是进行研究的重要基础和先决条件。2、针对人体加速度信号中的重力加速度分量,本文采用频率为5Hz的一阶低通滤波器剔除人体运动加速度信号中的重力分量,为后续数据处理提供基础,实际结果表明,通过这种方法能够有效的将重力分量与相关表征人体运动的加速度分量分离开。3、本文针对小波阈值降噪传统算法的缺陷,提出了一种改进型的小波阈值降噪算法,很好地解决了传统小波阈值降噪算法的振荡、固定衰减以及平滑性等问题,进而达到滤除所采集的加速度信号中噪声信号的目的。4、本文根据人体运动加速度信号随人体运动动作状态转移而实时变化形成一个加速度时间序列的特性提出了一种加速度时间序列分析的特征提取方法。并将提取的特征值序列作为输入对隐马尔科夫模型(HMM)进行训练识别,结果表明这种方法能够快速有效区分人体日常生活的各种静态运动行为模式。5、根据LSTM长短时记忆模型在处理时间序列问题方面的优势,本文我们将LSTM模型引入人体运动行为识别系统的模型训练和识别,结果表明该模型能够学习到更完备的人体运动加速度时间序列长相关性信息,对人体日常生活不同行为模式之间转移过程进行有效识别,在HMM基础上进一步完善了本文所提出人体运动行为识别系统。(本文来源于《浙江工商大学》期刊2017-01-01）
周一鹏,王星,田元荣,周东青,程嗣怡[6]（2016）在《基于极值序列特征集的雷达PRI调制模式识别算法》一文中研究指出识别雷达信号的脉冲重复间隔(PRI)调制模式是分析雷达工作状态和工作任务的重要手段。针对复杂体制雷达的PRI调制模式可实时切换并改变调制参数因而难于识别的问题,提出一种基于极值序列特征集的雷达PRI调制模式识别算法。该算法首先提取PRI序列的极值特征,构建极值序列特征集;然后,基于PRI序列及其特征集建立恒参、类正弦、正弦和抖动判定准则,实现雷达PRI调制模式的分层识别。仿真分析表明:该算法对复杂体制雷达PRI调制模式的识别正确率达95.3%,同时具有较高的实时性,在电子对抗应用领域具有良好的前景。(本文来源于《现代雷达》期刊2016年05期）
张宇波,蔺小楠[7]（2015）在《改进序列前向选择法(ISFS)和极限学习机(ELM)相结合的SPC控制图模式识别方法》一文中研究指出为了提高SPC(Statistical Process Control)控制图的识别效果,提出了一种采用改进序列前向选择法(ISFS)和极限学习机(ELM)相结合的方法来进行控制图模式识别。首先,对控制图进行特征提取;然后,采用改进的序列前向选择法对特征进行选择,减少了特征间的相关性和冗余性;最后,利用极限学习机来进行模式识别。仿真结果显示,改进方法的识别率可达到98.7%,从而为控制图提供了一种有效的识别方法。(本文来源于《青岛科技大学学报(自然科学版)》期刊2015年03期）
王欢[8]（2015）在《基于非平稳时间序列分析方法的脑电信号模式识别》一文中研究指出脑电信号中蕴含着非常丰富的大脑活动信息,通过对脑电信号的有效处理和分析,可以大致判断出不同的脑机能状态。通过应用计算机技术、非平稳时间序列分析法和信号处理方法,可提取脑电信号中的特征参数并对其进行模式识别研究。本文主要研究不同动作运动想象的脑电信号的识别分类问题。在对脑电信号进行预处理后,选取不同模式相同时间段差异性最大的序列段作为本文脑电信号分析识别的时间序列段,同时建立各时间点与序列段平均值的线性回归方程,并通过多元回归分析法分离其趋势分量与波动分量。利用多变量的时变参数向量自回归(Time Varying Vector Auto-regressive-TVVAR)模型对波动分量序列进行分析,进一步提取其特征参数。并分别探讨了以误差矩阵的范数与最小奇异值、马氏距离及其2?值作为识别指标对脑电信号进行分类识别的效果与可信度,经分析后选用马氏距离及其2?值作为本文脑电信号的识别指标。经研究分析发现,在本实验条件下时间序列段长度为12时,脑电信号的识别率较高,其马氏距离及其2?值的平均识别率分别为96.11%、95%。本文通过模拟试验证明了TVVAR模型是可以用来识别不同动作运动想象的脑电信号,为脑电信号识别提供了一种新的思路,希望有助于利用相应的假肢技术,有效地帮助残障人士用脑电波控制假肢实现动作。(本文来源于《苏州大学》期刊2015-03-01）
魏艺聪,陈莹,牛广俊,罗林泉,杨群雄[9]（2014）在《不同居群草珊瑚的ITS序列分析及模式识别研究》一文中研究指出目的通过分析不同居群草珊瑚Sarcandra glabra和金粟兰属5种近缘植物的核糖体基因内部转录间隔区(rDNA-ITS)序列,为草珊瑚鉴定和品种鉴别提供模式识别与思路。方法采集不同产地的草珊瑚18份、金粟兰6份,所有样品提取总DNA,并对其ITS片段进行扩增、测序,并搜索GenBank数据库中收录的其他4种金粟兰属植物的ITS序列,运用ClustalX 2.1软件比较不同产地草珊瑚与其他金粟兰属植物的ITS序列差异,并对其进行聚类分析。结果草珊瑚样品不同居群间的ITS序列相似度达99%,其中位点总突变率ITS1(2.7%)>ITS2(1.4%),而与金粟兰属其他植物相比,位点总突变率ITS2(20.3%~22.7%)>ITS1(15.9%~18.3%)。聚类分析表明18个不同种群的草珊瑚居群间变异极小,且与金粟兰属5种近缘植物具有显着差异的聚类识别。结论草珊瑚ITS1与ITS2分别为不同居群间及与不同属近缘植物间比较有效的鉴别序列,具有较多个特异性信息位点的草珊瑚ITS序列用于鉴别金粟兰属5种近缘植物,具显着差异的聚类识别,是草珊瑚和金粟兰属近缘植物鉴定和品种鉴别的有效分子标记。(本文来源于《中草药》期刊2014年20期）
周大为,李炜疆[10]（2014）在《利用蛋白质序列模式识别改善谷氨酸棒杆菌基因组注释》一文中研究指出即使细菌基因组的基因结构较为简单,但在注释过程中也可能出现基因遗漏的现象。当潜在基因在高质量数据库中没有显着同源序列时,基于知识库的基因预测方法就会遇到困难。本文希望通过系统扫描基因组所有可能ORF的蛋白质序列模式来搜索遗漏基因。为验证该方法的可行性,作者系统分析了重要的工业发酵微生物谷氨酸棒杆菌的基因组,发现了25个候选疑似基因。它们具有显着的蛋白质序列模式,但在Swiss-Prot中元显着同源序列,并且在GenBank中仍未注释。深入分析发现,25个候选疑似基因中19个为可能基因,3个为可能假基因,3个为疑似基因序列。这些结果说明本文的分析方法可以有效地用于无显着同源序列基因的搜索。(本文来源于《工业微生物》期刊2014年03期）
序列模式识别论文开题报告
（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：
昆虫主要依赖模式识别受体分子(PRRs)来检测和识别外来病原物,从而激活宿主的天然免疫反应。苹果蠹蛾在我国是一种重要的入侵性害虫,对苹果、梨等水果生产造成严重的经济损失。有关苹果蠹蛾免疫识别过程及其分子机制仍不清楚,缺乏基因组水平上的认识。在本研究中,我们根据苹果蠹蛾基因组的注释结果对模式识别相关蛋白进行了鉴定分析,主要包括:123个富亮氨酸重复蛋白(LRR),10个Toll样受体,40个C型凝集素蛋白(CTL),8个肽聚糖识别蛋白(PGRP),7个葡聚糖识别蛋白(β-1,3-GRP),3个半乳糖凝集素蛋白(galectin),3个维蛋白原相关蛋白(FREP),6个硫酯蛋白(TEP),1个溶血素蛋白(hemocytin),1个hemolin蛋白,1个Dscam蛋白。基于其他物种中已知的模式识别受体基因,我们进行了序列比对和进化分析,从而揭示了苹果蠹蛾病原识别相关蛋白的进化历史。利用NCBI SRA数据库中已发表的转录组测序数据,计算得到不同组织中的表达量信息,结果表明模式识别分子呈现了多样化的表达模式特征。通过本研究,有助于理解模式识别受体在苹果蠹蛾免疫反应过程中的功能以及开展进一步的深入研究。
（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。
序列模式识别论文参考文献
[1].马双剑.行为序列模式识别在泛娱乐平台用户兴趣发现中的应用[D].对外经济贸易大学.2019
[2].邢龙生,席羽,乔曦,钱万强,万方浩.苹果蠹蛾模式识别受体基因的序列特征、进化分析和表达谱[C].第五届全国入侵生物学大会——入侵生物与生态安全会议摘要.2018
[3].王凯,胡怡婧,徐青.基于时间序列ARMA模式识别的基坑监测预警优化研究[J].工业安全与环保.2018
[4].郭洋.深度学习在时间序列模式识别中的研究与应用[D].北京邮电大学.2018
[5].程辉.基于时间序列分析的人体运动行为模式识别研究[D].浙江工商大学.2017
[6].周一鹏,王星,田元荣,周东青,程嗣怡.基于极值序列特征集的雷达PRI调制模式识别算法[J].现代雷达.2016
[7].张宇波,蔺小楠.改进序列前向选择法(ISFS)和极限学习机(ELM)相结合的SPC控制图模式识别方法[J].青岛科技大学学报(自然科学版).2015
[8].王欢.基于非平稳时间序列分析方法的脑电信号模式识别[D].苏州大学.2015
[9].魏艺聪,陈莹,牛广俊,罗林泉,杨群雄.不同居群草珊瑚的ITS序列分析及模式识别研究[J].中草药.2014
[10].周大为,李炜疆.利用蛋白质序列模式识别改善谷氨酸棒杆菌基因组注释[J].工业微生物.2014
论文知识图
