简介：以氨基酸组成为特征对膜蛋白的分类，忽略了序列残基之间的相关性信息，而采用传统支持向量机算法作为分类算法，在解决多类问题时会出现分类盲区问题。针对这两种情况，计算蛋白质序列的氨基酸组成、二肽组成以及6种氨基酸相关系数，将三类特征结合，作为膜蛋白序列的特征向量；同时采用模糊支持向量机作为分类器，解决了传统支持向量机在多类数据识别中的盲区问题。测试结果表明，在相同特征输入下，模糊支持向量机分类性能优于传统支持向量机；在相同分类器的情况下，氨基酸组成、二肽组成和相关系数组合的特征选择方法的分类性能优于只使用其中一类或两类特征的方法；而采取组合特征和模糊支持向量机相结合的分类策略，在独立性数据集测试中的整体预测精度达到97％，优于现有的多种分类策略，是目前最有效的膜蛋白分类方法之一。

简介：我们通过设置静卧以及运动两组实验对比,研究随着精神压力的增大,心率变异性的各个指标的升降变化,确定影响精神压力的评估指标。利用改进的层次分析法建立模型层次结构,结合九标度与三标度法确定判断矩阵,并通过最优传递矩阵确定各指标权重,避免了一致性检验。最后结合模糊综合评价实现精神压力量化。验证表明,本方法可以准确合理的进行精神压力量化。

简介：利用脑-计算机接口这种新颖的人-机交互模式构建一种脑控拼写装置，其主要问题是实时、准确地从头皮电极记录到的脑电背景信号中提取视觉诱发电位，以决定用户选择按键。由于在一个短时程内可以认为自发脑电是平稳的，利用靶刺激出现前记录到的非靶刺激信号计算自回归模型参数，构造一个白化滤波器，再将实时信号通过白化滤波器滤波，使自发脑电得以白化，然后采用小波分析方法滤除白噪信号。结果表明靶刺激信号更加突出，提高了后续模式分类的正确率。采用模拟自然阅读诱发模式使短时信号的平稳性得到了保障，利用白化滤波器去除自发脑电是可行的。