文献

J-GLOBAL ID：201702267558160951   整理番号：17A1394103

GMMとラフ集合に基づくヒトプロモーターの認識【Powered by NICT】

Recognition of human promoter based on GMM and rough set

著者 (5件)： Shuo Guo (Information Engineering College, Shenyang University of Chemical Technology, Shenyang 110142, China) ,  De-cheng Yuan (Information Engineering College, Shenyang University of Chemical Technology, Shenyang 110142, China) ,  Wa Guo (State Grid Liaoning Electric Power Supply Co., Ltd Tieling Power Supply Company) ,  Bochen Zhang (East China University of Science and Technology) ,  Jin-na Li (Information Engineering College, Shenyang University of Chemical Technology, Shenyang 110142, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCC  ページ： 2033-2037  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ヒトプロモーターの同定遺伝子調節の理解のための基礎と大規模機能予測の重要な点である。多くのアルゴリズムが提案されているが,低感度と高い偽陽性によって制限される蒸留器の性能とかなり複雑である。本論文では,Gauss混合モデルは,使用したプロモータ特徴としてオリゴヌクレオチドの位置密度のモデルを構築することである。ラフ集合が同時に結合部位発生の関係解析に適用し,ヒトプロモーター配列を同定した。クラスタ距離としてのファジィ尤度関数の逆を用いてクラスタリングアルゴリズムはGauss混合モデル最適数とサブモデルのパラメータを推定した。また混合比率を計算するために使われる最小二乗。最適解と効率的な収束が得られた。予測モデルを構築するための特徴は完全ではないヒトプロモーター配列を予測するための平均時間でのプロモーター配列の上流と下流でモチーフの関係を見出すプロモーター情報テーブルを構築するために適用したラフ集合理論。シミュレーション結果は,予測モデルの精度が高いを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 予測 ,  予測モデル ,  クラスタ ,  アルゴリズム ,  混合比 ,  *プロモーター領域 ,  *ラフ集合 ,  曖昧さ ,  最小二乗法 ,  遺伝的調節 ,  シミュレーション ,  尤度関数 ,  結合部位
準シソーラス用語： クラスタリングアルゴリズム ,  Gauss混合モデル , 【Automatic Indexing@JST】

分類 (3件)： システム・制御理論一般  (IA02010H) ,  パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： GMM ,  ラフ集合 ,  ヒト ,  プロモーター