隐马尔可夫模型的多序列比对研究

doi:10.3778/j.issn.1002-8331.2010.07.052

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (7): 171-174.DOI: 10.3778/j.issn.1002-8331.2010.07.052

• 图形、图像、模式识别 • 上一篇下一篇

隐马尔可夫模型的多序列比对研究

罗泽举^1，2，宋丽红³

1.重庆工商大学长江上游经济研究中心，重庆 400067
2.重庆工商大学计算机科学与信息工程学院，重庆 400067
3.重庆工商大学经济管理实验教学中心，重庆 400067

收稿日期:2008-09-17 修回日期:2008-12-15 出版日期:2010-03-01 发布日期:2010-03-01
通讯作者: 罗泽举

Multiple sequence analysis of hidden Markov model

LUO Ze-ju^1，2，SONG Li-hong³

1.Research Center of the Economy of the Upper Reaches of Yangtze River，Chongqing Technology and Business University，Chongqing 400067，China
2.School of Computer Science & Information Engineering，Chongqing Technology and Business University，Chongqing 400067，China
3.Economics and Management Center，Chongqing Technology and Business University，Chongqing 400067，China

Received:2008-09-17 Revised:2008-12-15 Online:2010-03-01 Published:2010-03-01
Contact: LUO Ze-ju

摘要/Abstract

摘要： 研究一种关于隐马尔可夫模型的多序列比对，利用值和特征序列的保守性，通过增加频率因子，改进传统隐马尔可夫模型算法的不足。实验表明，新算法不但提高了模型的稳定性，而且应用于蛋白质家族识别，平均识别率比传统隐马尔可夫算法提高了3.3个百分点。

关键词: 隐马尔可夫模型, 多序列分析, 蛋白质识别

Abstract: A new multiple sequence alignment about Hidden Markov Models（HMMs） is researched，using the conservative feature of L value and consensus sequence，by increasing frequency factor，traditional HMMs learning algorithm is improved.Experiment indicates that not only the stability of the model is improved，but also a average improvement of 3.3% is achieved for protein family recognition by comparing the new algorithm with the traditional one.

Key words: hidden markov models, multiple sequence analysis, protein recognition

中图分类号:

TP391

TN957.52

罗泽举^1，2，宋丽红³. 隐马尔可夫模型的多序列比对研究[J]. 计算机工程与应用, 2010, 46(7): 171-174.

LUO Ze-ju^1，2，SONG Li-hong³. Multiple sequence analysis of hidden Markov model[J]. Computer Engineering and Applications, 2010, 46(7): 171-174.

[1]	吴楚田，陈永乐，陈俊杰. 多协议交叉的HMM协议异常检测算法[J]. 计算机工程与应用, 2020, 56(8): 81-86.
[2]	贾志淳，卢元，李想，邢星. 一种多参数的Web服务选择方法[J]. 计算机工程与应用, 2019, 55(21): 74-78.
[3]	杨世强，罗晓宇，李小莉，杨江涛，李德信. 基于DBN-HMM的人体动作识别[J]. 计算机工程与应用, 2019, 55(15): 169-176.
[4]	郇战，李晨，万彩艳，陈学杰. 基于步行加速度信息分割的人员识别[J]. 计算机工程与应用, 2019, 55(1): 203-209.
[5]	吴小全1，2，李晖1，2，陈梅1，2，戴震宇1，2. DRVisSys：基于属性相关性分析的可视化推荐系统[J]. 计算机工程与应用, 2018, 54(7): 251-256.
[6]	马正华1，李雷2，乔玉涛2，戎海龙3，曹海婷2. 基于多传感器融合的动态手势识别研究分析[J]. 计算机工程与应用, 2017, 53(17): 153-159.
[7]	肖晓红1，张懿2，刘冬生1，欧阳春娟1. 基于隐马尔可夫模型的音乐分类[J]. 计算机工程与应用, 2017, 53(16): 138-143.
[8]	戈永侃，于凤芹. 后置滤波器参数自适应的语音合成改进算法[J]. 计算机工程与应用, 2017, 53(1): 168-171.
[9]	胡一帆，胡友彬，李骞，耿冬冬. 基于视频监控的人脸检测跟踪识别系统研究[J]. 计算机工程与应用, 2016, 52(21): 1-7.
[10]	姜芳1，2，李国和1，2，3，岳翔4，吴卫江1，2，3，洪云峰3，刘智渊3，程远3. 基于粗分和词性标注的中文分词方法[J]. 计算机工程与应用, 2015, 51(6): 204-207.
[11]	杨明霞1，3，王万良1，2，邵鹏飞1，4. WSNs中基于隐马尔科夫模型的目标识别问题研究[J]. 计算机工程与应用, 2015, 51(22): 228-232.
[12]	张继军1，马登武2，王琳1. 基于改进HMM的模拟电路早期故障识别和诊断[J]. 计算机工程与应用, 2014, 50(3): 261-264.
[13]	杨秋芬1，2，桂卫华1，胡豁生1，阳若宁2. Gabor小波优化HMM算法的眼部疲劳状态识别[J]. 计算机工程与应用, 2014, 50(15): 13-17.
[14]	陈莉，古丽拉·阿东别克. 基于HMM的柯尔克孜语词性标注的研究[J]. 计算机工程与应用, 2014, 50(15): 120-124.
[15]	包希日莫1，高光来1，张璟2. 基于遗传算法的声学模型拓扑结构优化[J]. 计算机工程与应用, 2014, 50(14): 5-8.

隐马尔可夫模型的多序列比对研究

Multiple sequence analysis of hidden Markov model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics