导读:本文包含了重定位方法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:药物,机器人,深度,特征值,表观,特征,网络。
重定位方法论文文献综述
胡晓强,刘汉忠,贾良冠,张盟,吴正朕[1]（2019）在《基于ROS平台的激光雷达Slam-GMapping的重定位方法研究》一文中研究指出目前主流的机器人操作平台ROS(Robot Operating System)建图媒介是Kinect双目摄像头,采用CMOS红外传感器感知黑白光谱的方式来构建目标地图。计算量大,建图轮廓不清晰,地图构建与实际地图偏移量较大,重定位精度差。本文提出基于ROS平台的激光雷达Slam-GMapping的重定位技术,包括RBPF粒子滤波算法、激光雷达Slam-GMapping建图和机器人的重定位。实验结果表明:激光雷达Slam-GMapping相比于Kinect,能够更好地构建目标地图,建图效果更加优越,建图精度更高;该重定位技术的定位方位更加精确,定位误差更小。(本文来源于《现代信息科技》期刊2019年12期）
马浚[2]（2019）在《基于深度学习的药物重定位方法研究》一文中研究指出应用机器学习的药物设计早已是药物研究中的重要方法之一,而近年来随着深度学习在各个领域的成功应用,将与深度学习的相关框架应用在药物重定位是一个值得研究的问题。本论文中通过组合深度结构与药物有关的各种属性信息进行模式挖掘,期望找到在一些相关应用中的药物候选物的发现策略,从而能够在一定程度上加快药物重定位的研发速度。本文的具体内容包括以下四个方面:(1)根据药物与靶标活性信息、靶标蛋白特征信息以及药物分子结构信息进行活性小分子的推荐算法研究。在这一部分中,首先将基于项目的协同过滤推荐算法应用在活性小分子推荐中,然后利用AEuserbasedCF模型对推荐结果进行提升。在AEuserbasedCF模型中,首先将深度学习中的AE模型应用在靶标蛋白特征信息的降维中,然后把降维后的数据加入到基于用户的协同过滤推荐算法中,通过与之前没有加入降维信息的普通UserbasedCF对比发现其推荐精度有了显着提高;之后提出HybridSimCF模型重点解决推荐系统中的冷启动问题,具体是通过基于配体特征的方法进行改进,提取药物分子的2D结构信息并进行深度模型的降维处理,然后依据该数据计算药物小分子的相似度后,再进行活性小分子推荐。(2)根据药物与疾病的关系进行深度学习的算法研究。将药物与疾病分别映射为复杂网络中二部分网络的两个不同节点集合,由此将药物重定位问题转化为复杂网络的链接预测问题,然后应用受限波尔兹曼机(RBM)模型在该数据集上建模,与该领域中的其他算法比较AUC值发现RBM对于药物与疾病关系的潜在模式挖掘具有优势,在实验中仅是通过对于药物与疾病的二部分关系网络进行建模而不添加其他信息,其预测精度就要比其他算法有所提高,对于预测结果中的一些候选药物在相关数据库和文献中也得到应证,该实验结果说明药物与疾病的关系虽然是复杂网络,但有自身的分布特征,利用深度学习方法探索其内部特征是有实践意义的;之后再根据复杂网络中链路预测的主要指导思想,即“节点越相似,则越可能产生链接”,提取对于局部节点的特征描述数据并基于原有关系组成有标签的数据集,在该数据集上使用NN_RBM模型进行有监督学习,同时通过增加冲量的方法加快模型的训练过程,从而得到可预测链接的最优模型。(3)将药物、蛋白、副作用等相关属性加入药物与疾病的关系后进行推荐算法研究。考虑到药物的叁种属性数据均有自身的分布模式与信息特征,因此在运用基于用户的协同过滤推荐算法之前,对药物信息进行有效的降维和特征提取。本文中通过两个深度框架Deep_Framework_1和Deep_Framework_2对药物属性信息进行提取,再通过与传统PCA方法对比发现两种不同的降维框架都可以在降维的同时更多地提取到原数据中潜在信息,其中Deep_Framework_2的模型表现更好。对于提取后的数据进行相似度计算后,与药物与疾病的评分矩阵一起进行基于用户的协同过滤的推荐,然后将实验计算的的数据集中所有药物Top20的推荐结果通过网页展示出来,以供研究者进行查询和进一步分析。(4)将基于多任务DBN模型应用在的药物重定位的预测中。药物重定位中的一个指导思想是:当药物被发现可以重定位某类疾病时,该药物的副作用越少则越有可能被选中进入下一步的实验。由于大部分药物在作用于人体时均会产生副作用,而有的药物副作用更有可能多达上百个,因此当为药物找到新适应症后,还需要对比药物的副作用情况。通过分析发现该任务非常适用于机器学习中的多任务学习方法解决,因此在将疾病和副作用分别进行分类整理后,应用MNN模型与MDBN模型分别进行学习预测,通过对任务分配不同权重后对比模型的计算结果发现,基于MDBN模型非常适用于药物重定位的任务,其在预测药物候选物时具有更好更稳定的效果。通过以上四个方面,本文将深度学习方法成功应用在药物重定位领域的候选药物推荐中。虽然药物发现是一个耗时费力的过程,然而通过本文的所有实验证明新兴的深度学习作为一个研究工具,对于药物重定位有很大的促进作用,对于提高药物重定位速度,降低研发成本等方面均有非常重要的实践意义。(本文来源于《兰州大学》期刊2019-05-01）
宋映龙,彭昱忠[3]（2018）在《基于Laplacian正则化与双向随机游走的药物重定位方法》一文中研究指出传统的药物研制需要企业投入大量的人力物力和研发时间,而且要承担很高的失败风险。药物重定位可以为已有药物寻找新的适应症,极大地降低成本、提高研发效率,因此受到广泛重视。随着大规模生物表型数据的收集,基于计算方法的药物重定位表现出很大的潜力,其计算结果可以为生物学实验提供重要的方向性意见,所以研究优秀的药物重定位方法非常重要。提出LN-RWR算法,整合药物之间与疾病之间的相似度信息、药物和疾病的互作用信息构建异质网络,使用Laplacian正则化构造转移矩阵,在异质网路上进行随机游走,综合双向随机游走的结果进行药物重定位。实验结果表明,LN-RWR比现有方法效果更好,在不同数据集上都达到了较好的效果,而且案例分析结果表明LN-RWR的预测结果很多正在被生物学家们关注和研究。(本文来源于《计算机应用与软件》期刊2018年07期）
杨心[4]（2018）在《基于虚拟力的无线传感器网络汇聚节点重定位方法研究》一文中研究指出在无线传感器网络(Wireless Sensor Networks,WSNs)中,众多低成本的传感器被随机部署在监测区域内,对环境数据进行监测和收集。在网络中,靠近汇聚节点的传感器节点往往会比其他节点更快耗尽能量。由于恶劣的监测环境使得传感器电池不易更换和充电,一旦电量耗尽将使连接的网络断裂,并造成能量空洞问题,严重影响网络性能。因此,在WSNs中,延长网络寿命,提高传感器节点的电量利用率成了重要的研究内容。汇聚节点重定位是一种主流和高效的节能方法,其中汇聚节点移动轨迹的设计和传输数据的路由路径的构建是关键。在本文中,我们首先提出了一种基于虚拟力的单个汇聚节点的重定位策略VFSR。虚拟力因其简单易证明的特性被广泛应用于提高WSNs中传感节点覆盖范围等方面,而我们新颖的将其运用在汇聚节点重定位过程中,并且取得了很好的收益。在VFSR中构造了两种虚拟力,让汇聚节点在其合力的作用下根据节点的剩余能量和位置信息自主移动,以此来实现节点间的能耗平衡,提高电量的利用效率。仿真实验结果表明,我们提出的VFSR有很好性能。其次,本文还提出了一种基于虚拟力的多个汇聚节点的重定位策略VFMSR。在VFMSR中,我们使用了多个移动的汇聚节点,通过减少网络中节点的平均跳数来降低多跳通信的能耗,大幅度地提高了网络寿命。同时随着汇聚节点数量的增多,节点携带的数据能及时被接收,故而大大的降低了数据传输延迟。我们在VFMSR中农重新构建了叁种虚拟力,让各个汇聚节点在合力的作用下自主移动。仿真实验结果表明,我们提出的VFMSR有很好性能。(本文来源于《昆明理工大学》期刊2018-03-01）
马跃龙,曹雪峰,陈丁,李登峰,蒋秉川[5]（2017）在《一种基于点云地图的机器人室内实时重定位方法》一文中研究指出确定机器人自身在点云地图中的位置是实现机器人自主导航的关键。提出一种基于点云地图的机器人室内实时重定位方法:利用预先生成的室内机器人点云地图,通过基于词袋的地图检索与位姿图优化,确定机器人在点云地图中的初始位置;在机器人运动过程中,结合视觉跟踪与参考点云地图生成新的机器人导航地图,提高相机跟踪的鲁棒性并反应场景结构的变化,实现机器人室内导航点云地图的分发与重用。通过实验验证了方法的有效性、精确性与实时性。(本文来源于《系统仿真学报》期刊2017年S1期）
肖冬瑞[6]（2017）在《轮式机器人的自主视觉重定位方法》一文中研究指出古文物遗迹一直以来都是国家保护的重点,而高价值的文物场景的变化往往是细微的,有的变化甚至上百年才能观察到,这也为高价值文物场景的微小变化监测和保护增加了难度。本文针对室外高价值文物场景的微小变化检测问题进行自主重定位的过程,为微小变化检测提供方法基础。本文主要贡献分为以下叁个方面,首先,我们提出了一种基于主动视觉的初步重定位的方法,该方法采用通过提取出参考图像与相机拍摄的当前图像的特征点,并进行相似匹配和错误匹配点的消除;根据筛选后的特征点对,计算参考图像与当前图像间的单应变换矩阵;利用实时更新的单应变换矩阵计算出表示参考图像和当前拍摄图像位姿信息的导航框;再根据两个导航框的位置关系得到叁个自由度的运动信息;最后根据参考图像,利用折半定程算法,驱动轮式机器人自主进行重定位;然后,我们设计并研发了一款大尺度、高负载、全方位的机器人运动平台,为基于视觉重定位方法提供了运动平台基础;最后,实现了全自动的轮式机器人的自主重定位。相对于传统的手动重定位方法,本文提出的基于主动视觉的轮式机器人自主重定位方法,无需工作人员干预,在保证重定位精度的同时,缩短了移动时间,提高了工作效率。(本文来源于《天津大学》期刊2017-12-01）
田欣[7]（2016）在《基于数据挖掘的乳腺癌基因筛选与药物重定位方法研究》一文中研究指出乳腺癌疾病相关基因筛选与药物研发是生物医学研究领域的重要课题,有效筛选相关转移基因和预测现有药物的新用途对于该疾病的治疗具有重要的科学意义。然而,如何挖掘和利用疾病与药物相关的特征信息一直是目前该领域的难点。随着数据挖掘技术的发展,通过特征整合与数据模型算法的结合,为以上问题提供新的解决途径。本文利用数据挖掘的特征筛选算法及分类算法研究乳腺癌相关基因筛选问题和药物重定位问题。主要研究内容如下：1.提出了一种基于随机森林分类算法和病人基因特征信息的乳腺癌转移标志基因筛选方法PPIRF。该方法的特点在于不仅考虑到基因表达值在疾病分类预测问题中的重要性,而且把蛋白质-蛋白质相互作用信息作为先验知识融合到基因挑选过程。通过与其它方法进行对比,结果表明PPIRF筛选出的基因组合具有更好的预测能力和生物可解释性。2.提出了一种基于药物多类特征信息的重排序算法Ranking-based KNN用于乳腺癌等疾病的药物重定位。Ranking-based KNN方法的特点在于不仅融合了化学结构信息、靶标信息、副作用信息以及拓扑相关性信息多种药物特征,而且通过Ranking-SVM算法得到了待测药物的最可信近邻的排序以使用加权打分策略来预测该药物的新用途。实验结果表明该方法可以帮助寻找治疗乳腺癌等类疾病的药物新用途。3.开发了名为DREP的药物重定位可视化预测工具。该工具共包含了两种药物重定位方法：第一种是基于Ranking-based KNN算法的药物重定位；第二种是基于逻辑回归分类的药物重定位。该工具可以对KEGG数据库中1387种药物与1514种疾病的未知关系进行预测,并根据预测出的药物-疾病对分值数给出所查询药物可能治疗的疾病名称列表。DREP工具界面友好,操作简单,便于生物学研究人员的使用。(本文来源于《华东师范大学》期刊2016-03-01）
毛庆辉,王彦春,王鹏,张旭亮,桂红兵[8]（2015）在《改进的微震事件反演重定位方法及其应用》一文中研究指出水力压裂微地震监测资料处理解释的核心是微震事件反演定位,基于微震事件准确定位的裂缝成像结果可以为评价压裂施工效果、调整压裂设计和确定致密油气藏的开发方案等提供有效指导。为此,基于前人的研究成果,提出了改进的微震事件反演重定位方法。采取将常规的极化分析约束与空间约束相结合的思路,先对微震事件进行带极化分析约束的常规反演定位,再将走时残差目标函数加入空间约束项,对常规反演结果进行重定位。将常规方法和改进的方法应用于实际资料的微震事件反演定位并作裂缝成像,分别对压裂井中目的层段裂缝发育的走向、倾角、大小进行了描述,分析对比两种方法解释的裂缝形态,改进方法的成像结果成窄带状,收敛效果更好。(本文来源于《石油物探》期刊2015年03期）
周培林,于海波,赵增旭,焦念东,刘连庆[9]（2014）在《面向AFM的纳米目标快速重定位方法》一文中研究指出原子力显微镜(atomic force microscope,AFM)具有极高的观测分辨率和作业精度,在纳米材料表征与纳米器件组装方面发挥了不可替代的作用.AFM工作区域的选取依赖于光学显微镜,受可见光波波长的限制,光学显微镜的分辨率一般不超过200 nm,这导致光学显微镜无法有效辨识AFM观测目标样本所在的区域.当样本被移动或者更换AFM扫描探针引起样本与探针针尖的相对位置发生变化时,如何重新将AFM探针精确定位到原观测/操作区域具有非常大的挑战性.本文研究提出了一种新的免标记探针重定位方法,综合考虑了样本角度旋转与位置偏移两个因素,首先利用光学显微镜选取样本基底上易于识别的自然特征作为参照点,基于坐标变换原理实现微米级精度的探针盲定位,进而通过AFM扫描图像的匹配获得X-Y水平方向的位置偏差,通过修改AFM的扫描参数实现纳米目标的原位快速精确重定位.该方法的优点在于不需要在纳米目标样本操作区域上制作特殊的标记,操作过程简单、定位快速、定位范围较广且具有极高的重定位精度.对纳米小球、单壁碳纳米管(single-walled carbon nanotubes,SWCNTs)、纳米划痕等样本的重定位实验验证了该方法的实用性和高效性.(本文来源于《中国科学:技术科学》期刊2014年11期）
刘小琴,赵晖[10]（2013）在《基于特征值修正的特征点重定位方法》一文中研究指出为了解决特征点重定位算法的运行时间过长的问题,研究了人脸活动单元(action units,AU)的动态性,提出一种通过修正特征值来对特征点进行重定位的方法,从数学角度对特征值进行操作。该方法在主动表观模型(active appearance model,AAM)自动定位之后,根据整个序列中某一活动单元特征值的变化趋势来对序列进行去孤立帧、平滑等操作,进而通过计算间接地对特征点进行重新定位。实验结果表明,该方法避免了直接调整特征点的操作复杂性,在一定程度上达到提高特征点定位精确度的目的。(本文来源于《计算机工程与设计》期刊2013年06期）
重定位方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
应用机器学习的药物设计早已是药物研究中的重要方法之一,而近年来随着深度学习在各个领域的成功应用,将与深度学习的相关框架应用在药物重定位是一个值得研究的问题。本论文中通过组合深度结构与药物有关的各种属性信息进行模式挖掘,期望找到在一些相关应用中的药物候选物的发现策略,从而能够在一定程度上加快药物重定位的研发速度。本文的具体内容包括以下四个方面:(1)根据药物与靶标活性信息、靶标蛋白特征信息以及药物分子结构信息进行活性小分子的推荐算法研究。在这一部分中,首先将基于项目的协同过滤推荐算法应用在活性小分子推荐中,然后利用AEuserbasedCF模型对推荐结果进行提升。在AEuserbasedCF模型中,首先将深度学习中的AE模型应用在靶标蛋白特征信息的降维中,然后把降维后的数据加入到基于用户的协同过滤推荐算法中,通过与之前没有加入降维信息的普通UserbasedCF对比发现其推荐精度有了显着提高;之后提出HybridSimCF模型重点解决推荐系统中的冷启动问题,具体是通过基于配体特征的方法进行改进,提取药物分子的2D结构信息并进行深度模型的降维处理,然后依据该数据计算药物小分子的相似度后,再进行活性小分子推荐。(2)根据药物与疾病的关系进行深度学习的算法研究。将药物与疾病分别映射为复杂网络中二部分网络的两个不同节点集合,由此将药物重定位问题转化为复杂网络的链接预测问题,然后应用受限波尔兹曼机(RBM)模型在该数据集上建模,与该领域中的其他算法比较AUC值发现RBM对于药物与疾病关系的潜在模式挖掘具有优势,在实验中仅是通过对于药物与疾病的二部分关系网络进行建模而不添加其他信息,其预测精度就要比其他算法有所提高,对于预测结果中的一些候选药物在相关数据库和文献中也得到应证,该实验结果说明药物与疾病的关系虽然是复杂网络,但有自身的分布特征,利用深度学习方法探索其内部特征是有实践意义的;之后再根据复杂网络中链路预测的主要指导思想,即“节点越相似,则越可能产生链接”,提取对于局部节点的特征描述数据并基于原有关系组成有标签的数据集,在该数据集上使用NN_RBM模型进行有监督学习,同时通过增加冲量的方法加快模型的训练过程,从而得到可预测链接的最优模型。(3)将药物、蛋白、副作用等相关属性加入药物与疾病的关系后进行推荐算法研究。考虑到药物的叁种属性数据均有自身的分布模式与信息特征,因此在运用基于用户的协同过滤推荐算法之前,对药物信息进行有效的降维和特征提取。本文中通过两个深度框架Deep_Framework_1和Deep_Framework_2对药物属性信息进行提取,再通过与传统PCA方法对比发现两种不同的降维框架都可以在降维的同时更多地提取到原数据中潜在信息,其中Deep_Framework_2的模型表现更好。对于提取后的数据进行相似度计算后,与药物与疾病的评分矩阵一起进行基于用户的协同过滤的推荐,然后将实验计算的的数据集中所有药物Top20的推荐结果通过网页展示出来,以供研究者进行查询和进一步分析。(4)将基于多任务DBN模型应用在的药物重定位的预测中。药物重定位中的一个指导思想是:当药物被发现可以重定位某类疾病时,该药物的副作用越少则越有可能被选中进入下一步的实验。由于大部分药物在作用于人体时均会产生副作用,而有的药物副作用更有可能多达上百个,因此当为药物找到新适应症后,还需要对比药物的副作用情况。通过分析发现该任务非常适用于机器学习中的多任务学习方法解决,因此在将疾病和副作用分别进行分类整理后,应用MNN模型与MDBN模型分别进行学习预测,通过对任务分配不同权重后对比模型的计算结果发现,基于MDBN模型非常适用于药物重定位的任务,其在预测药物候选物时具有更好更稳定的效果。通过以上四个方面,本文将深度学习方法成功应用在药物重定位领域的候选药物推荐中。虽然药物发现是一个耗时费力的过程,然而通过本文的所有实验证明新兴的深度学习作为一个研究工具,对于药物重定位有很大的促进作用,对于提高药物重定位速度,降低研发成本等方面均有非常重要的实践意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
重定位方法论文参考文献
[1].胡晓强,刘汉忠,贾良冠,张盟,吴正朕.基于ROS平台的激光雷达Slam-GMapping的重定位方法研究[J].现代信息科技.2019
[2].马浚.基于深度学习的药物重定位方法研究[D].兰州大学.2019
[3].宋映龙,彭昱忠.基于Laplacian正则化与双向随机游走的药物重定位方法[J].计算机应用与软件.2018
[4].杨心.基于虚拟力的无线传感器网络汇聚节点重定位方法研究[D].昆明理工大学.2018
[5].马跃龙,曹雪峰,陈丁,李登峰,蒋秉川.一种基于点云地图的机器人室内实时重定位方法[J].系统仿真学报.2017
[6].肖冬瑞.轮式机器人的自主视觉重定位方法[D].天津大学.2017
[7].田欣.基于数据挖掘的乳腺癌基因筛选与药物重定位方法研究[D].华东师范大学.2016
[8].毛庆辉,王彦春,王鹏,张旭亮,桂红兵.改进的微震事件反演重定位方法及其应用[J].石油物探.2015
[9].周培林,于海波,赵增旭,焦念东,刘连庆.面向AFM的纳米目标快速重定位方法[J].中国科学:技术科学.2014
[10].刘小琴,赵晖.基于特征值修正的特征点重定位方法[J].计算机工程与设计.2013
论文知识图
