排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
目的:利用神经网络集成(NNE)预测MHC-Ⅰ类分子结合肽。 方法: 基于HLA-A*0201编码的MHC-Ⅰ类分子结合肽数据库(含有628个9聚物)及其结合能力分类,利用NNE分别对具有无、低、中和高4类亲合性的结合肽进行分类预测;同时还进一步利用T细胞真实表位集(含50个表位)评估了NNE的预测性能。 结果: 集成数为12的NNE对上述分类的平均预测命中率可达0.8,而且NNE对潜在T细胞表位的预测能力也较高,约84%的真实表位归于高和中等亲合性的潜在抗原肽一类。 结论: 可以利用神经网络集成预测MHC-Ⅰ类分子结合肽,并进而预测相应的T细胞表位。经适当修改,NNE预测工具可扩展为能涵盖任意长度的Ⅰ类分子结合肽甚至可扩展到Ⅱ类分子结合肽的预测。 相似文献
2.
3.
目标检测是视频跟踪过程一项重要的处理技术.目前,国内外常用主流的目标检测方法有基于统计的方法和差分法.基于统计的方法(如GMM等算法)计算量较大,而且不适用于快速移动的刚性物体分析;差分法容易造成跟踪对象重叠部分的较大空洞,造成分割结果不连通,而且大多需要人工给定参数阈值.本文针对以上方法的不足,提出了一种适用于分析快速移动刚性物体的目标检测方法:自适应差分法.新方法采用了混合差分策略提高了对象分割质量,并用高斯初始化策略实现了阈值的自适应选取.实验结果表明:自适应差分法比GMM算法、相邻差分法和间隔差分法效果更优且抗噪能力更强,更易应用于实际. 相似文献
1