您的位置: 专家智库 > >

吴疆

作品数:17 被引量:23H指数:3
供职机构:榆林学院信息工程学院更多>>
发文基金:国家自然科学基金陕西省教育厅科研计划项目榆林市科技计划项目更多>>
相关领域:自动化与计算机技术农业科学电子电信生物学更多>>

文献类型

  • 14篇期刊文章
  • 1篇学位论文

领域

  • 7篇自动化与计算...
  • 4篇农业科学
  • 3篇电子电信
  • 2篇生物学
  • 1篇经济管理

主题

  • 7篇支持向量
  • 7篇支持向量机
  • 7篇向量
  • 7篇向量机
  • 3篇支持向量机算...
  • 3篇芍药
  • 3篇向量机算法
  • 3篇克隆
  • 3篇基因
  • 3篇基因克隆
  • 3篇核函数
  • 2篇噪声
  • 2篇生物信息
  • 2篇生物信息学
  • 2篇生物信息学分...
  • 2篇数据集
  • 2篇高斯
  • 2篇高斯噪声
  • 1篇蛋白
  • 1篇蛋白质

机构

  • 14篇榆林学院
  • 3篇河南科技大学
  • 2篇西安电子科技...
  • 1篇四川大学
  • 1篇西安文理学院
  • 1篇中机十院国际...
  • 1篇中国科学院分...

作者

  • 15篇吴疆
  • 7篇董婷
  • 3篇范丙友
  • 2篇史国安
  • 1篇吕淑芳
  • 1篇艾晓燕
  • 1篇尤飞
  • 1篇李芳
  • 1篇徐东升
  • 1篇阎雄飞
  • 1篇张峰
  • 1篇张永恒

传媒

  • 3篇微型电脑应用
  • 3篇科学技术与工...
  • 2篇榆林学院学报
  • 1篇北方园艺
  • 1篇华北农学报
  • 1篇电子与信息学...
  • 1篇分子植物育种
  • 1篇环境昆虫学报
  • 1篇电子设计工程

年份

  • 2篇2023
  • 2篇2022
  • 4篇2020
  • 1篇2018
  • 1篇2014
  • 1篇2011
  • 3篇2007
  • 1篇2005
17 条 记 录,以下是 1-10
排序方式:
陕西榆林地区农田灯诱地下害虫种类组成及优势种群发生动态
2023年
为了明确陕西榆林地区农田地下害虫种类组成及优势种群发生动态,于2016年4月1日至2019年9月28日,在陕西省榆林市现代农业示范园,设置太阳能自动虫情测报箱对地下害虫进行收集,在室内对标本进行鉴定和数据分析。在榆林市农田一共灯诱到地下害虫12种,隶属3目5科。地下害虫混合种群发生期为4月中旬至9月上旬,盛发期为4月下旬至8月上旬。小地老虎Agrotis ypsilon、东方绢金龟Maladera orientalis、阔胫绢金龟Maladera verticalis和黄褐丽金龟Anomala exoleta是榆林农田地下害虫主要优势种群。小地老虎灯诱高峰期为4月上旬至5月中旬以及6月上旬至7月下旬,东方绢金龟的灯诱高峰期为4月中旬至6月中旬,阔胫绢金龟灯诱高峰期为6月上旬至8月上旬,黄褐丽金龟灯诱高峰期为6月中旬至7月上旬。本研究为榆林地区农田地下害虫的监测和综合治理提供了基础资料。
阎雄飞梅成芳唐立郭艳芳梅蕊樊振梅张成利吴疆
关键词:地下害虫优势种种群动态
基于支持向量机的红外谱图识别
本文的主要内容是在经典SVM算法的基础上,设计开发一个可供学术研究及实际使用的支持向量机工具软件Easysvm。在软件的基础上,应用SVM算法就一些实际问题进行学术研究,解决一些实际的应用问题。 在解决两类样本...
吴疆
关键词:支持向量机红外谱图SVM算法软件开发模式识别
文献传递
半监督学习算法拉普拉斯支持向量机应用于蛋白质结构类预测被引量:1
2020年
应用半监督学习方法拉普拉斯支持向量机(Laplace Support Vector Machine, LapSVM)对蛋白质结构类进行预测。首先7个氨基酸理化性质参数作为替代模型将蛋白质序列转换为数字序列,自协方差变换(Autocross-Covariance, AC)用来描述具有一定间隔氨基酸残基之间的相互关系并将数字序列变换为统一长度的向量,构建样本的特征空间。然后在数据集中分别随机挑选20、50、80、110、140、170个样本作为无标签样本构建训练集,一对多分解策略和留一法用来评价LapSVM模型的预报能力。分类器对蛋白质样本类预测正确率为94.12%,与标准支持向量机算法(Support Vector Machine, SVM)方法90.69%的预测精度相比有明显的竞争力。实验结果有效验证了无标签样本的分布信息作为弱规则能有效提升分类器的预报性能。同时提供了一种新颖的思路,应用半监督方法解决全监督学习问题,更小的优化规模,更好的预报能力。
吴疆董婷蒋平
关键词:半监督学习
白绒山羊遗传育种数据库及综合管理平台的设计与实现
2014年
为了提高育种质量和繁殖性能,减少育种研究风险和成本,采集陕北白绒山羊资源参考家系的相关育种资料,设计了一种基于Web的育种数据挖掘及管理平台。重点研究了基于遗传算法的育种数据挖掘算法以及决策支持系统、系统数据库的构建、功能模块和物理结构。应用结果表明,该方案可有效地有效解决遗传育种过程中染色体组合无序的地杂交造成优秀基因率降低和种类质量下降等问题。
艾晓燕张峰吴疆徐东升张永恒
关键词:白绒山羊遗传育种数据挖掘遗传算法数据仓库
基于支持向量机算法的癌症预测被引量:3
2007年
将支持向量机SVM(Support Vector Machine)算法用于卵巢癌症质谱数据分类研究,通过与KNN、神经网络算法的预报结果做比较,SVM对癌症数据的预测正确率达到98%,推广能力明显强于KNN、神经网络等传统算法。
吴疆董婷
关键词:支持向量机核函数超平面
基于回归分析和主成分分析的噪声方差估计方法被引量:9
2018年
准确可靠的噪声强度估计是数字图像处理领域中一个重要的研究课题。噪声估计的难点在于如何提取用于估计的纯噪声信息,近几年,许多算法采用主成分分析技术来避免图像纹理信息的干扰,用最小特征值来估计噪声方差,可以有效地减少图像纹理信息对估计结果的影响,所以这类方法对于高频图像(丰富纹理图像)效果很好。由于图像块数量有限,最小特征值实际上比真实噪声方差小,而且图像块数量越少,偏差越大。如果直接把最小特征值作为估计方差,则容易低估计高噪声。该文通过回归分析确定最小特征值跟真实噪声方差的比值和图像块数量呈幂函数关系,因此可以通过最小特征值和幂函数关系得到真实的噪声方差。实验表明该文方法既能处理高频图像,又适合各种噪声水平,同时也能处理乘性高斯噪声。
吴疆尤飞蒋平
关键词:噪声图像高斯噪声噪声估计主成分分析
单分类支持向量机用于样本不平衡数据集建模研究
2020年
主要研究应用单分类支持向量机(One-class Support Vector Machine,OneSVM)在不平衡样本数据集的建模问题。首先从UCI获得Abalon数据集,随机挑选400正样本和400负样本构建训练集,交叉验证方法用于OneSVM分类器训练,模型对数据集的预测精度达到98.00%,与标准SVM分类器对此数据集83.10%的预测正确率相比具有明显的竞争力。然后在样本数据不平衡数据机上训练加权SVM对负样本的预测精度为76.70%,模型对负样本不具有稳定性。实验结果表明单分类支持向量机在样本数目失衡的学习问题中具有良好的泛化能力,同时单分类支持向量机只用一类样本训练分类器,在算法的复杂度上也具有优势。
吴疆岳贤亮董婷蒋平
关键词:支持向量机
芍药ACS基因的克隆及其蛋白质原核表达
2022年
为了研究芍药ACS基因的功能,应用RACE技术从芍药切花品种桃花飞雪中克隆了PlACS基因cDNA序列,利用生物信息学方法对其编码的蛋白质进行了综合分析;以pET32a为骨架,构建了PlACS基因的原核表达载体,建立了PlACS蛋白高效的原核表达体系。结果表明,PlACS cDNA全长1752 bp(GenBank登录号JX512359),共编码492个氨基酸,具有7个保守结构域及活性位点K;分子进化分析表明,PlACS和牡丹ACS亲缘关系最近;二级结构预测发现,PlACS蛋白由α-螺旋、β-折叠、β-转角和无规则卷曲组成,四者比例分别为40.04%,16.26%,6.91%和36.79%;同源建模显示,PlACS蛋白以同源二聚体形式存在。PlACS蛋白最佳诱导表达条件为基因工程菌菌体密度A达0.2时,在菌液中加入终浓度为0.1 mmol/L的IPTG,在37℃诱导2 h。PlACS重组蛋白高效原核表达体系为后续通过变复性获得有生物学活性的PlACS蛋白及其酶学功能鉴定奠定基础。
肖士奎李芳张文婷吕淑芳史国安吴疆范丙友
关键词:芍药基因克隆原核表达
芍药GPPS基因克隆及生物信息学分析
2023年
以芍药根为试材,应用RT-PCR技术克隆芍药GPPS基因并对其进行综合生物信息学分析,研究了该基因在芍药萜类化合物合成途径中的功能,以期为GPPS基因的功能及其调控芍药萜类物质代谢提供参考依据。结果表明:芍药GPPS基因cDNA全长1 557 bp, GenBank登录号为KP645373,编码421个氨基酸,分子量为46.31 kDa,等电点为7.63,为不含跨膜结构域和信号肽位点、定位于细胞质的稳定疏水蛋白;BlastP分析表明芍药GPPS蛋白质与印楝GPPS相似性最高,达78.07%;蛋白质多序列比对分析结果表明GPPS蛋白质的氨基末端高度变异;分子系统发育分析表明芍药GPPS与其它植物GPPS亲缘关系相对较远。
高凯左永丽卫志鹏王占营吴疆范丙友
关键词:芍药GPPS基因克隆萜类化合物生物信息学分析
一种改进的边缘检测与分块相结合的噪声估计方法被引量:1
2011年
在图像处理中,噪声估计是个重要问题。Aishy和Eric提出了一种针对高斯白噪声的方差估计方法,给了一种自适应选择平滑子块的方法和一个用来计算子块平滑度的结构分析器。此方法存在两个问题:1)含有边缘纹理的子块可能被选择为平滑子块而影响结果精度;2)一些特殊子块具有极高方差但平滑度极小,如果图像含有一个以上的特殊子块,可能造成非常严重的过估计。上述两个问题都是由边缘纹理造成的。提出一种边缘检测与分块相结合的估计方法,首先利用简单边缘检测算法除去含有连续边缘点的子块,然后用Aishy方法。实验结果表明方法能够有效避免特殊情况下的严重过估计,而且在一些噪声水平时比Aishy方法的结果更精确。
吴疆
关键词:高斯噪声边缘检测
共2页<12>
聚类工具0