添加链接
link之家
链接快照平台
  • 输入网页链接,自动生成快照
  • 标签化管理网页链接
1数据挖掘:数据挖掘是从海量数据中找到有意义的模式或知识,涉及到很多的算法,如机器学习的神经网络,基于统计学习理论的支持向量机等等。现在,数据挖掘不再是针对少量或是样本化,随机化的精准数据,而是海量,混杂的大数据, 如生物信息大数据。 目前,数据分析行业规模 不断 扩大。 2 深度学习:深度学习是 机器学习 领域中一个新的研究方向,是神经网络技术的一种。 我们主要应用深度学习预测生物信息学问题。 3 生物信息学:生物信息学综合利用数学、计算机科学 揭示大量而复杂的生物数据所赋有的生物学奥秘。 我们的研究目标是生物数据,使用的工具方法是数学、计算机。大家不必担心缺乏生物学知识,我们主要 进行基于 数学、 信息科学基础理论 ( 包括 算法 论、 机器 学习理论 )的生物信息学研究。 不仅仅是 利用 现有理论和 算法去解决生物学问题 ,还 针对特定生物学 问题 而建立数学 模型,进行理论分析和算法开发,并应用到实际的生物数据。 1. Liwei Liu , Tomoya Mori , Yang Zhao , Morihiro Hayashida Tatsuya Akutsu ., Euler string-based compression of tree-structured data and its application to analysis of RNAs,Current Bioinformatics, 13 (201 8 ), 25 - 33 . (SCI) 2. 刘立伟 , 么会丽. 利用改进的3DMax算法重构染色体3D结构. 生物信息学, 2021, 19(4):6. 3 . 刘立伟 张琦 白凤兰 基于曲面拟合重建单细胞染色体三维结构 . Hans Journal of Computational Biology , 9 , (201 9 ), 1 7 . (2) A relative Lempel–Ziv complexity: Application to comparing biological sequences,   辽宁省自然科学学术成果二等奖, 2012 (3) Protein Structural Class Assignment Based on a Mixed Method,   大连市自然科学优秀学术论文三等奖, 2012