检索结果-内蒙古大学图书馆

作者：李辉张展展 454003 河南省焦作市高新区世纪大道2001号河南理工大学

一种基于量子算法的掌纹数据库搜索方法，分别对掌纹识别中最为重要的三个阶段应用四种不同的量子算法，该搜索算法包括如下步骤：1)、利用量子自适应中值滤波算法来对掌纹图像进行滤波处理，从滤波效果的对比图中可以看出，本文利用的... 详细信息

标准号: CN102955855A

一种基于量子算法的掌纹数据库搜索方法，分别对掌纹识别中最为重要的三个阶段应用四种不同的量子算法，该搜索算法包括如下步骤：1)、利用量子自适应中值滤波算法来对掌纹图像进行滤波处理，从滤波效果的对比图中可以看出，本文利用的量子自适应中值滤波算法可以取得比经典算法更好的滤波处理效果；2)、将基于量子并行性的量子傅里叶变换应用到掌纹图像特征提取中，只需要一次量子傅里叶变换操作就可以将整个掌纹特征提取出来，通过分析得出本算法在保证掌纹细节被很好保留的基础上加快掌纹特征提取速度；3)、应用量子集合运算和Grover算法来对掌纹图像进行匹配，本发明提出的匹配算法只需要N^1/2次计算就可以找到目标掌纹图像的位置，而经典算法则需要计算N次，而且本算法可以以接近于1的概率找到目标图像在掌纹数据库中的位置。

关键词：算法掌纹图像量子掌纹傅里叶变换经典算法量子算法滤波处理掌纹特征值滤波数据库搜索方法量子并行性滤波效果目标图像匹配算法搜索算法特征提取应用量子掌纹识别匹配运算数据库概率分析

来源：评论

学校读者我要写书评

暂无评论

语音输入和输出数据库搜索方法和设备

语音输入和输出数据库搜索方法和设备

引用

作者：片江伸之日本神奈川县

本申请提供了一种语音输入和输出数据库搜索方法和设备，所述方法包括：从包括在搜索结果中的文本信息中提取由词语或短语代表的至少一个候选关键词；将所提取的候选关键词和包括从其提取候选关键词的搜索结果的搜索状态对应地存储；以... 详细信息

标准号: CN103970815A

本申请提供了一种语音输入和输出数据库搜索方法和设备，所述方法包括：从包括在搜索结果中的文本信息中提取由词语或短语代表的至少一个候选关键词；将所提取的候选关键词和包括从其提取候选关键词的搜索结果的搜索状态对应地存储；以及在识别出与搜索条件不同且通过语音消息提供的新搜索条件且根据该识别的搜索条件执行了搜索之后，当由词语或短语代表的后退关键词与由词语或短语代表且后退至搜索状态的后退指令一起被识别时，基于存储内容进行控制，以便后退至与对应于所识别的后退关键词的候选关键词对应地存储的搜索状态。

关键词：短语搜索条件搜索状态词语存储数据库搜索方法存储内容进行控制文本信息语音输入语音消息指令

来源：评论

学校读者我要写书评

暂无评论

一种数据库搜索方法、系统及移动通信终端

一种数据库搜索方法、系统及移动通信终端

引用

作者：蔡胜张富斌魏任彬 518057 广东省深圳市南山区高新技术产业园(北区)梦溪道2号酷派信息港(1号楼)

本发明适用于信息检索领域，提供了一种数据库搜索方法、系统以及移动通信终端，所述方法包括步骤：接收用户输入的关键字，所述关键字由至少一个字符组成；将用户输入的关键字与所述总数据库进行匹配，并将与所述关键字匹配的记录保存... 详细信息

标准号: CN101320376B

本发明适用于信息检索领域，提供了一种数据库搜索方法、系统以及移动通信终端，所述方法包括步骤：接收用户输入的关键字，所述关键字由至少一个字符组成；将用户输入的关键字与所述总数据库进行匹配，并将与所述关键字匹配的记录保存为与所述关键字对应的中间数据库；将用户输入的下一关键字分别与所述总数据库以及保存的与上一关键字对应的所述中间数据库进行正向和/或反向匹配，并将与所述关键字匹配的记录保存为与所述下一关键字对应的中间数据库，循环执行，直至组成关键字的所有关键字匹配完毕。本发明对数据进行正向、反向的模糊查询，采用查询多级数据库，增加了查询级数，减少了漏查几率，提高查询效率。

关键词：关键字关键字匹配中间数据库用户输入数据库正向匹配数据库搜索方法信息检索领域移动通信终端查询效率模糊查询对数据几率

来源：评论

学校读者我要写书评

暂无评论

开放式蛋白质鉴定的数据库搜索方法及其系统

开放式蛋白质鉴定的数据库搜索方法及其系统

引用

作者：迟浩孙瑞祥王乐珩张文力贺思敏 100190 北京市海淀区中关村科学院南路6号

本发明有关于一种开放式蛋白质鉴定的数据库搜索方法及其系统，其中该方法包括：步骤1，输入蛋白质序列，模拟切分每一条蛋白质序列，并将所有生成的子序列按照质量排序，生成肽序列数据表，并根据该肽序列数据表建立索引文件；步骤2，... 详细信息

标准号: CN103810200A

本发明有关于一种开放式蛋白质鉴定的数据库搜索方法及其系统，其中该方法包括：步骤1，输入蛋白质序列，模拟切分每一条蛋白质序列，并将所有生成的子序列按照质量排序，生成肽序列数据表，并根据该肽序列数据表建立索引文件；步骤2，输入质谱图，对每张质谱图，提取谱峰生成查询集合，查询所述索引文件，得到序列集合；步骤3，对每张质谱图及其对应的序列集合，根据修饰组合，生成候选肽段并打分；步骤4，对打分结果进行整合，并进行肽段到蛋白质的推断，得到鉴定结果。本发明允许用户不指定酶切和修饰的类型，或指定其中的任意类型进行蛋白质鉴定，用于解决任意类型的酶切和修饰的鉴定问题。

关键词：质谱修饰蛋白质鉴定蛋白质序列索引文件序列集合数据表肽序列酶切数据库搜索方法切分查询集合质量排序整合蛋白质

来源：评论

学校读者我要写书评

暂无评论

一种基于知识图谱的数据库搜索方法

一种基于知识图谱的数据库搜索方法

引用

作者：蒋锴任志宏傅军杨怡王辉何加浪 210007 江苏省南京市苜蓿园东街1号1406信箱07分箱

本发明涉及一种基于知识图谱的数据库搜索方法，属于结构化数据挖掘和搜索领域。本发明提出的方法首先对数据库表类型和表间约束等要素进行分析，然后利用表和表间约束生成相应的概念、实体和实体间关系，并据此建立知识图谱服务。在获... 详细信息

标准号: CN104866593A

本发明涉及一种基于知识图谱的数据库搜索方法，属于结构化数据挖掘和搜索领域。本发明提出的方法首先对数据库表类型和表间约束等要素进行分析，然后利用表和表间约束生成相应的概念、实体和实体间关系，并据此建立知识图谱服务。在获取用户输入的自然语言查询后，对用户查询的各要素进行检测得到查询的要素模式和要素值，接着将要素模式在模板库中进行匹配得到对应的查询模式，然后将查询的要素值填充到查询模式中从而得到知识图谱查询语句，最后在知识图谱服务中执行该查询语句，得到用户查询相应的知识返回给用户。本发明提出的方法能有效地组织和展现数据库中的数据及内在关系，并支持用户的自然语言查询，从而提高了数据库搜索的用户体验。

关键词：图谱自然语言查询要素查询模式查询语句要素值数据库搜索方法结构化数据数据库搜索获取用户数据库表搜索领域用户查询用户体验对用户模板库约束填充匹配数据库挖掘检测分析

来源：评论

学校读者我要写书评

暂无评论

蛋白质质谱分析中的算法问题研究

蛋白质质谱分析中的算法问题研究

引用

作者：孙世伟中国科学院计算技术研究所

学位级别：博士

串联质谱(Tandem Mass Spectrometry)是蛋白质序列鉴定的重要方法,其目标是如何从已知实验质谱来推断未知肽段的氨基酸序列.当前的主要方法是数据库搜索方法.对于数据库搜索算法,如何从一个肽段序列精确地预测出理论质谱以及如何衡量理... 详细信息

串联质谱(Tandem Mass Spectrometry)是蛋白质序列鉴定的重要方法,其目标是如何从已知实验质谱来推断未知肽段的氨基酸序列.当前的主要方法是数据库搜索方法.对于数据库搜索算法,如何从一个肽段序列精确地预测出理论质谱以及如何衡量理论质谱和实验质谱的相似性是两个关键步骤.为精确地预测理论质谱,仅仅有对肽段断裂机制的定性认识是不够的,还必须对断裂机制进行定量分析.目前,广泛使用的基于蛋白质库的搜索方法(Database Search),比如SEQUEST,MASCOT等,仅考虑了简单的断裂模型,而忽略了一些影响断裂的重要因素,比如断裂的肽键位置和断裂的肽键种类等.实验结果表明:忽略这些因素常常会导致预测出的理论质谱和真实质谱有较大差异,从而影响最终鉴别的精度.此外,如何应用理论质谱以提高序列鉴别精度也是值得研究的课题.针对上述问题,本文进行了如下尝试:1.引入了一种新的,有效的概率打分函数:我们发展了一种衡量理论质谱与实验质谱相似性的新的打分方法.通过对已知肽段及实验质谱的学习,我们为每个候选肽段产牛一个理论质谱,然后使用相对熵(relative entropy)来衡量理论质谱和实验质谱之间的相似度.按照极值分服(extrme value distribution,EVD),选择一个阈值来判断实验质谱是否由理论质谱产生.2.提出了一种肽段断裂模型,设计参数的迭代学习算法:本文提出了一个肽段断裂的新模型,同时考虑肽键位置和肽键种类的影响,并通过一个迭代算法对训练集中的肽段和质谱学习出这些重要的影响参数.利用这些参数,就可以根据测试集中的肽段序列预测出相应的理论质谱并和真实的实验质谱比较.3.设计算法学习肽段中性粒了丢失的概率:\n 中型丢失是气相反应中,肽段断裂的一种重要反应方式,理解这种反应对理解质谱肽段断裂机制及蛋白质鉴定具有重要意义,当前,对这种机制的理解还很不够.\n 设计了一种新算法来学习与离子类型有关的参数,主要是脱氨脱水等中性粒予丢失的概率.利用这些参数,可以构造出更加合理的理论谱.\n 在几组质谱数据集合上的实验结果表明:在质谱鉴定过程中,相对熵打分比其他相关性打分方法预测肽段准确率高.迭代算法学习出的参数和已有定性观察有很好的吻合,通过这些参数恢复出的理论质谱和真实的实验质谱有较高的相似度;生成的理论质谱结合了中性粒子缺失的概率信息之后,会使预测的理论质谱与实验质谱具有更好的相似度,从而提高了数据库搜索方法的准确性.

关键词：串联质谱蛋白质鉴定数据库搜索方法 EM算法迭代算法

来源：评论

学校读者我要写书评

暂无评论

蛋白质理论质谱和肽段断裂事件分布预测及应用

蛋白质理论质谱和肽段断裂事件分布预测及应用

引用

作者：林宇中国科学院计算技术研究所

学位级别：硕士

串联质谱 (Tandem Mass Spectrometry) 是蛋白质序列鉴定的重要方法,其目标是如何从已知实验质谱来推断未知肽段的氨基酸序列.在此过程中,如何从一个肽段序列精确地预测出对应的理论质谱谱图是一个关键步骤.\n 为了精确地预测理论质... 详细信息

串联质谱 (Tandem Mass Spectrometry) 是蛋白质序列鉴定的重要方法,其目标是如何从已知实验质谱来推断未知肽段的氨基酸序列.在此过程中,如何从一个肽段序列精确地预测出对应的理论质谱谱图是一个关键步骤.\n 为了精确地预测理论质谱谱图,仅仅有对肽段断裂机制的定性认识是不够的,还必须对断裂机制进行定量的分析.目前,广泛使用的基于蛋白质库的数据库搜索方法(Database Search),比如SEQuEST,MASCOT等,仅考虑了简单的断裂模型,而忽略了一些影响断裂的重要因素,比如断裂的肽键位置和断裂的肽键种类等.而忽略这些因素常常会导致预测出的理论质谱谱图和真实质谱谱图有较大差异,从而影响最终鉴别的精度.此外,如何应用理论质谱以提高序列鉴别精度也是值得研究的课题.\n 针对上述问题,本文进行了如下尝试:\n 1.提出了一种肽段断裂参数的迭代学习算法:\n 本文提出了一个肽段断裂的新模型,同时考虑肽键位置和肽键种类的影响,并通过一个迭代算法对训练集中的肽段和质谱学习出这些重要的影响参数.利用这些参数,就可以根据测试集中的肽段序列预测出相应的理论质谱谱图并和真实的实验质谱谱图比较.\n 2.设计了一种实验质谱谱图和候选肽段之间相似度的度量:\n 在理论质谱谱图预测中,b离子与y离子的比例是一个重要的参数,但是基于当前对肽段断裂的认识还不足以很好地进行估计.本文还提出预测肽段断裂事件分布来代替理论质谱谱图预测,有效避免b离子与y离子的比例这个参数.这种方法能把长为L的肽段和实验质谱谱图都转化成L维的向量,然后利用相对熵对这两个L维的向量进行打分来估计原来的肽段和实验质谱谱图的相似程度.\n 在几组质谱数据集合上的实验结果表明:迭代算法学习出的参数和已有定性观察有很好的吻合,通过这些参数恢复出的理论质谱谱图和真实的实验质谱谱图有较高的相似度;基于断裂事件分布的相对熵能够较好地反映出实验质谱谱图和候选肽段的相似程度,不仅能提高目前数据库搜索方法的准确度,还能利用肽键种类对断裂的影响来改进当前的De Novo方法.

关键词：串联质谱蛋白质鉴定数据库搜索方法 De Novo方法迭代算法相对熵肽段断裂事件

来源：评论

学校读者我要写书评

暂无评论

蛋白质理论质谱与肽段断裂模型研究及其应用

蛋白质理论质谱与肽段断裂模型研究及其应用

引用

作者：乔彦涛首都师范大学

学位级别：硕士

串联质谱(Tandem Mass Spectrometry)是蛋白质序列鉴定的重要方法,其目标是从实验质谱来推断未知肽段的氨基酸序列。在此过程中,如何从一个肽段序列精确地预测出对应的理论质谱是一个关键步骤。为精确地预测理论质谱,仅仅有对肽段断裂... 详细信息

串联质谱(Tandem Mass Spectrometry)是蛋白质序列鉴定的重要方法,其目标是从实验质谱来推断未知肽段的氨基酸序列。在此过程中,如何从一个肽段序列精确地预测出对应的理论质谱是一个关键步骤。为精确地预测理论质谱,仅仅有对肽段断裂机制的定性认识是不够的,还必须对断裂机制进行定量分析。然而,目前广泛使用的基于蛋白质库的搜索方法(Database Search),比如SEQUEST、Mascot等,仅考虑了比较简单的断裂模型,而忽略了一些影响断裂的重要因素,比如断裂肽键位置和断裂肽键种类等。***等人的工作表明:忽略这些因素常常会导致预测出的理论质谱和真实质谱有较大差异,从而影响最终鉴别的精度;同时,由于质谱中存在大量的脱氨脱水等离子,因此如何定量刻画氨基酸脱氨脱水的可能性,对于预测较为合理的理论质谱也有重要意义。针对上述两个问题,本文进行了如下尝试: 1.提出了肽段断裂的新模型在理论质谱预测中,b离子与y离子的比例是一个重要的参数,但是基于当前对肽段断裂的认识还不足以很好地进行估计。为克服理论质谱预测中估计b/y离子比例的困难,本文提出了一个肽段断裂的新模型—断裂事件模型,即不去具体估计b/y等离子的强度,而是直接估计各个肽键断裂的可能性。该模型同时考虑肽键位置和肽键种类的影响,通过学习正确的肽段断裂规律,预测出相应的肽段断裂事件的分布并和真实的肽段断裂事件分布比较。 2.设计了一种实验质谱和候选肽段之间的相似度度量新模型可以把长为L的肽段和实验质谱都转化成L维的向量形式,以该向量来表示断裂事件的分布,然后利用Jensen-Shannon Divergence对这两个L维的向量进行打分来估计原来的肽段和实验质谱的相似程度。 3.提出并实现了氨基酸中性丢失概率估计算法中性丢失是气相反应中肽段断裂的一种重要反应方式,理解这种反应对理解质谱肽段断裂机制及蛋白质鉴定具有重要意义。当前,对这种机制的理解还很不够。因此我们设计了一种新算法来学习与离子类型有关的参数,主要是脱氨脱水等中性丢失的概率。利用这些参数,可以构造出更加合理的理论质谱。我们实现了上述算法,开发了软件包PI(Protein Identifier),并在多组质谱数据(包括QTOF、Ion-Trap和LTQ-FT等类型的质谱数据)中进行了测试。实验结果表明:在质谱鉴定过程中,Jensen-Shannon Divergence打分比其他相关性打分方法预测肽段准确率高;断裂事件模型的迭代算法学习出的参数和已有定性观察有很好的吻合,并且模型在鉴定质谱和肽段间相似性时效果显著;断裂事件模型在结合了中性丢失离子的概率信息之后,会使预测的理论质谱与实验质谱在特定条件下具有更好的相似度,从而可以提高了数据库搜索方法的准确性。

关键词：串联质谱蛋白质鉴定数据库搜索方法迭代算法 EM算法

来源：评论

学校读者我要写书评

暂无评论

串联质谱的蛋白质序列鉴定技术综述

引用

计算机科学与探索 2010年第2期4卷 97-107页

作者：乔彦涛缪佳铮孙世伟刘金刚卜东波首都师范大学计算机科学联合研究院北京100048 中国科学院计算技术研究所计算生物研究组北京100190 浙江工商大学食品与生物工程学院杭州310018

蛋白质组学的主要目的是鉴定出生物体内的蛋白质的种类和数量。为达到这个目的,人们开发了多种蛋白质鉴定算法,包括数据库搜索方法、De Novo方法、PST(肽段序列标签)方法和质谱数据库方法。首先介绍了质谱仪中肽段断裂机理的研究,以及... 详细信息

蛋白质组学的主要目的是鉴定出生物体内的蛋白质的种类和数量。为达到这个目的,人们开发了多种蛋白质鉴定算法,包括数据库搜索方法、De Novo方法、PST(肽段序列标签)方法和质谱数据库方法。首先介绍了质谱仪中肽段断裂机理的研究,以及相关的质谱鉴定方法,然后综述了当前常用的蛋白质鉴定方法,分析了这些方法的优缺点,最后提出了自己的见解和展望。

关键词：蛋白质组学串联质谱数据库搜索方法 De Novo算法质谱数据库方法

来源：评论

学校读者我要写书评

暂无评论

用串联质谱中碎片离子的同位素峰预测离子分子式的方法

用串联质谱中碎片离子的同位素峰预测离子分子式的方法

引用

作者：高文张京芬蔡津津贺思敏曾嵘陈润生王海鹏 100080 北京市海淀区中关村科学院南路6号

本发明公开了一种用串联质谱中碎片离子的同位素峰预测离子分子式的方法，该方法从串联质谱和从各元素的原子个数待定的通用分子式中分别获取碎片离子的单同位素的质量以及各同位素谱峰相对于单同位素的相对丰度；将分别获取的质量和相... 详细信息

标准号: CN100390537C

本发明公开了一种用串联质谱中碎片离子的同位素峰预测离子分子式的方法，该方法从串联质谱和从各元素的原子个数待定的通用分子式中分别获取碎片离子的单同位素的质量以及各同位素谱峰相对于单同位素的相对丰度；将分别获取的质量和相对丰度做匹配以获得所述通用分子式中待定的各元素的原子个数的非负整数解，得到碎片离子的分子式。本发明的方法利用串联质谱中碎片离子的同位素谱峰信息，通过串联质谱碎片离子的同位素谱峰的模式计算此碎片离子对应的分子式。本发明的方法可以提供碎片离子准确的分子式信息，可对鉴定多肽序列的数据库搜索方法提供的候选序列进行鉴别；以及为求解多肽序列的de novo方法产生高可靠候选序列提供依据。

关键词：碎片离子同位素串联质谱分子式通用分子式多肽序列相对丰度原子个数数据库搜索方法离子分子式模式计算同位素峰匹配

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：