当前位置 —论文—本科论文— 范文

关于生物学方面论文范文数据库,与k-部排序本体相似度计算相关毕业论文提纲

本论文是一篇关于生物学方面毕业论文提纲,关于k-部排序本体相似度计算相关毕业论文的格式范文。免费优秀的关于生物学及本体及参考文献方面论文范文资料,适合生物学论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

结构,并且在多数应用背景下可视为树,同一分支下顶点的相似度高于不同顶点下顶点的相似度.因此最高层顶点下的每一个分支可以看成一个部分.有时为了均衡,可以把某个顶点数量较多的分支分成几个部来处理.并且根据它们的关系将这些部进行排序.然后在每个部分中抽取一部分顶点组成S,得到fS1,S2,等,Sk.

由此可见,运用k.部排序学习方法来得到最优排序,从而将本体图映射成实直线的方法既在广义排序学习算法的基础上减少了计算量（只对比不同分支的样本,来自同一分支的样本不需要比较）,又充分利用了本体图自身的结构特点.

3新算法描述

步骤1预处理.将本体图中每个顶点的信息用一个向量表示.

5结语

本文给出了基于k.部排序学习算法的本体相似度计算.该算法最大的优点在于适用于顶点数量庞大的情景.因此本算法对于生物学基因分析等特殊领域有重要的参考价值.由于本文算法中得到的最优函数fS1,S2,等,Sk依赖于S的选取,在不同的样本集合下得到的排序是不同的.对于样本的选取对最后排序结果的影响,有待我们进一步分析.参考文献:

［1］

MORKP,BERNSTEINP.Adaptingagenericmatchalgorithmtoalignontologiesofhumananatomy［C］//Proceedingsof20thInternationalConferenceonDataEngineering.LosAlamitos:IEEEComputerSociety,2004:787-790.

［2］

LAMBRIXP,EDBERGA.Evaluationofontologymergingtoolsinbioinformatics［EB/OL］.[2011-06-10].helix.web.stanford.edu/psb03/lambrix.pdf.

［3］

BOUZEGHOUBA,ELBYEDA.OntologymappingforWeb.basededucationalsystemsinteroperability［J］.InteroperabilityinBusinessInformationSystems,2006,1(1):73-84.

［4］

WANGY,GAOW,ZHANGY,etal.Ontologysimilarityputationuserankinglearningmethod［C］//3rdInternationalConferenceonComputationalIntelligenceandIndustrialApplication.Washington,DC:IEEEComputerSociety,2010:20-23.

［5］

WANGY,GAOW,ZHANGY,etal.Pushrankinglearningalgorithmongraphs［C］//InternationalConferenceonCircuitandSignalProcessing.Washington,DC:IEEEComputerSociety,2010:368-371.

［6］

LANM,XUJ,GAOW.Ontologysimilaritymeasurebasedonpreferencegraphs［C］//InternationalConferenceonE.businessandInformationSystemSecurity.Washington,DC:IEEEComputerSociety,2011:667-670.

［7］

LANM,XUJ,GAOW.OntologymappingalgorithmbasedonprimalRankRLS［C］//InternationalConferenceonE.businessandInformationSystemSecurity.Washington,DC:IEEEComputerSociety,2011:788-790.

［8］

兰美辉,徐坚,孙瑜.基于谱图理论的本体相似度计算［J］.计算机工程与应用,2011,47(28):110-112.

［9］

CYNTHIAR,ROBERTE,INGIRDD.Boostingbasedonasmoothmargin［C］//Proceedingsofthe16thAnnualConferenceonComputationalLearningTheory.Berlin:Springer.verlag,2004:502-517.

［10］

JOACHIMST.Optimizingsearchenginesusingclickthroughdata［C］//Proceedingsofthe8thACMSIGKDDInternationalConferenceonKnowledgeDiscoveryandDataMining.NewYork:ACM,2002:133-142.

［11］

BURGESC.Learningtorankusinggradientdescent［C］//Proceedingsofthe22ndInternationalConferenceonMachineLearning.NewYork:ACM,2005:89-96.

［12］

CHUATS,NEOSY,GOHHK,etal.TRECVID2005bynuspris［C/OL］.[2011-10-01]..nlpir.nist.gov/projects/tvpubs/tv5.papers/nus.pdf.

［13］

CORINNAC,MEHRYARM,ASHISHR.Magnitude.preservingrankingalgorithms［C］//Proceedingsofthe24thInternationalConferenceonMachineLearning.NewYork:ACM,2007:169-176.

［14］

DAVIDC,TONGZ.Subsetrankingusingregression［C］//19thAnnualConferenceonLearningTheory.Berlin:Springer.verlag.2006:605-619.

［15］

RONGY,ALEXANDER,HAUPTMANND.Efficientmargin.basedranklearningalgorithmsforinformationretrieval［EB/OL］.[2011-06-20].省略rmedia.cs.cmu.edu/documents/CIVR06_yan.pdf.

［16］

CYNTHIAR.Rankingwithap.normpush［C］//19thAnnualConferenceonLearningTheory.Berlin:Springer.verlag,2006:589-604.

［17］

RAJARAMS,AGARWALS.Generalizationboundsfork.partiteranking［EB/OL］.[2011-06-25].drona.csa.iisc.er.in/～shivani/Publications/2005/nips05workshop.pdf.

［18］

theGeneOntology[EB/OL].[2011-08-01]..省略.

［19］

如何撰写生物学硕士论文
播放:29976次评论:4041人