简介:Microarraytechnologycanbeemployedtoquantitativelymeasuretheexpressionofthousandsofgenesinasingleexperiment.Ithasbecomeoneofthemaintoolsforglobalgeneexpressionanalysisinmolecularbiologyresearchinrecentyears.Thelargeamountofexpressiondatageneratedbythistechnologymakesthestudyofcertaincomplexbiologicalproblemspossible,andmachinelearningmethodsareexpectedtoplayacrucialroleintheanalysisprocess.Inthispaper,wepresentourresultsfromintegratingtheself-organizingmap(SOM)andthesupportvectormachine(SVM)fortheanalysisofthevariousfunctionsofzebrafishgenesbasedontheirexpression.Themostdistinctivecharacteristicofourzebrafishgeneexpressionisthatthenumberofsamplesofdifferentclassesisimbalanced.WediscusshowSOMcanbeusedasadata-filteringtooltoimprovetheclassificationperformanceoftheSVMonthisdataset.
简介:摘要本文将自组织映射(SOM)神经网络用于研究电力专变用户的用电行为习惯聚类。首先,对用户的负荷数据进行归一化,并提取四个有效性指标作为SOM神经网络的输入。然后采用Davies-Bouldin指数和k均值将94条用户负荷曲线分成5类,并描述每类型曲线。最后识别新用户,结果证明该聚类方法行的通。
简介:DevelopmentofcoastalecotourismhasbeenafocusofShandonggovernment,andthesuitabilityevaluationofregionalcoastalecotourismiscrucialforthereasonableplanandsustainabledevelopmentofShandongcoastalecotourism.ByusingMATLABlanguagetoestablishaSOMneuralnetworkmodel,thispaperevaluatesthecoastalecotourismsuitabilityoffourregions,Qingdao,Yantai,WeihaiandRizhaoofShandongProvinceanddivides33subordinateregionsofthosefourcitiesintofourcategories,i.e.regionspoorlysuitableforecotourismresources,regionshighlysuitableforcoastalecotourism,regionssecondlysuitableforcoastalecotourism,regionsordinarilysuitableforcoastalecotourism.Relatedsuggestionsondevelopmentofregionalcoastalecotourismhavebeengiveninthefinalconclusions.
简介:摘要目的研究现代护理模式用于分泌性中耳炎患者围术期听力护理中的效果。方法在我院2015年8月-2016年12月收治的分泌性中耳炎患者中选出136例为研究对象,全部患者均采用手术治疗,随机将患者分成对照组和观察组,对照组患者在围手术期听力护理中给予常规护理,观察组患者给予现代护理模式,对比两组患者的听力重建有效率、护理满意度。结果观察组患者的听力重建总有效率95.59%比对照组的83.82%更高,且护理满意度98.53%高于对照组的88.24%,P<0.05。结论现代护理模式应用于分泌性中耳炎患者围手术期听力护理中有助于提高手术的听力重建效果,提高手术治疗效果,促进患者生活质量的提高,值得推广应用。
简介:利用1961-2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络(Self-OrganizingMaps,简称SOM)的统计降尺度方法,对江淮流域夏季(6-8月)逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分(BrierScore)均近似为0,显著性评分(SignificanceScore)全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1(m)模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1(m)模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%-60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。