一种碱基识别方法、装置、设备及存储介质

    公开(公告)号:CN110322931B

    公开(公告)日:2024-05-14

    申请号:CN201910455978.X

    申请日:2019-05-29

    IPC分类号: G16B50/30 G16B40/00 G16B30/00

    摘要: 本申请公开了一种碱基识别方法、装置、设备及存储介质,所述方法包括:利用分布式FPGA扫描基因数据库,得到待识别基因数据;基于目标基因序列识别模型对所述待识别基因数据进行目标基因序列识别,得到目标基因序列,所述目标基因序列包括首尾碱基符合预设需求的基因序列;基于碱基识别模型对所述目标基因序列进行碱基识别,得到碱基数据;其中,所述基因数据库包括以键值对存储基因序列的非关系型数据库和存储所述基因序列中碱基的基础信息的关系型数据库。利用本申请提供的技术方案可以有效提高碱基识别的准确率,降低计算平台的能耗和成本,且基于FPGA的数据服务易开发学习利于测序计算的大规模扩展,应用广泛。

    一种高效用序列模式挖掘方法及装置

    公开(公告)号:CN108733705B

    公开(公告)日:2023-04-04

    申请号:CN201710261885.4

    申请日:2017-04-20

    IPC分类号: G06F16/2458

    摘要: 本申请公开了一种高效用序列模式挖掘方法及装置,根据序列数据库中包含的各事务,获取满足设定条件的候选序列模式集合;针对每一所述候选序列模式,确定所述候选序列模式在所述序列数据库中的效用值;将所述效用值不低于自身所对应的效用阀值的候选序列模式,确定为挖掘结果,其中,候选序列模式对应的效用阀值为该候选序列模式所包含各项目中,效用阀值最低的项目的效用阀值,序列数据库中每一项目的效用阀值由用户预先设定。本申请可以由用户根据需要对不同项目设置不同的效用阀值,基于此从序列数据库中挖掘效用值不低于自身对应的效用阀值的序列模式,在挖掘高效用模式的基础上,能够实现个性化挖掘,满足不同应用场景的需求。

    高平均效用项集挖掘方法、装置及计算机设备

    公开(公告)号:CN109408563B

    公开(公告)日:2021-06-22

    申请号:CN201811320172.1

    申请日:2018-11-07

    IPC分类号: G06F16/2458

    摘要: 本申请公开了一种高平均效用项集挖掘方法、装置及计算机设备,在该方法中,如果累计插入数据库的所有事务的总效用值小于效用安全值,则确定当前数据库中尚未被挖掘处理的数据集合所包含的各个1‑项集的平均效用列表,并获取存储的原始数据库中具备项集扩展条件的至少一个1‑项集的平均效用列表;依据数据集合中各个1‑项集的平均效用列表和该原始数据库中具备项集扩展条件的至少一个1‑项集的平均效用列表,确定该数据库中的高平均效用项集。本申请的方案可以降低从数据库中挖掘数据所需耗费的计算资源。

    基于人工智能的有机物样本处理方法、装置、设备及存储介质

    公开(公告)号:CN112381155A

    公开(公告)日:2021-02-19

    申请号:CN202011289000.X

    申请日:2020-11-17

    摘要: 本申请提供了一种基于人工智能的有机物样本处理方法、装置、电子设备及计算机可读存储介质;涉及人工智能技术;方法包括:获取有机物样本的指纹图谱以及蛋白标志物信息;对有机物样本的指纹图谱进行特征提取处理,得到有机物样本的代谢特征;基于有机物样本的代谢特征进行预测处理,得到有机物样本的代谢异常信息;将有机物样本的代谢异常信息与有机物样本的蛋白标志物信息进行融合处理,得到有机物样本的融合信息;基于有机物样本的融合信息进行预测处理,得到有机物样本的分类信息。通过本申请,能够结合有机物样本的指纹图谱以及蛋白标志物进行分类,提高实现有机物样本的自动化的准确分类。

    真实场景图像卡通化的处理方法、装置、计算机设备和存储介质

    公开(公告)号:CN111696028A

    公开(公告)日:2020-09-22

    申请号:CN202010440936.1

    申请日:2020-05-22

    摘要: 本申请涉及一种基于人工智能的真实场景图像卡通化的处理方法、装置、计算机设备和存储介质。该方法包括:获取真实场景图像;基于真实场景图像的语义信息,对真实场景图像进行图像重构处理和抽象平滑处理,得到真实场景图像映射在卡通域上的抽象卡通图像;抽象卡通图像,具有真实场景图像中的显著性结构、且缺失真实场景图像中的轮廓边缘线条;对抽象卡通图像进行风格化处理,生成具有艺术风格的风格卡通图像;生成风格卡通图像的轮廓边缘线条,得到真实场景图像卡通化后的卡通图像。采用本方法能够提高生成的卡通图像的质量。

    一种反馈答案的方法和装置

    公开(公告)号:CN106294505B

    公开(公告)日:2020-07-07

    申请号:CN201510316013.4

    申请日:2015-06-10

    摘要: 本发明公开了一种反馈答案的方法和装置,属于计算机技术领域。所述方法包括:根据训练样本库中存储的问题、最佳答案及其它答案的对应关系,基于问题与对应的最佳答案的语义接近度大于问题与对应的其它答案的语义接近度的训练条件,对预设的语义提取公式中的语义提取参数进行训练,得到语义提取参数的训练值;当接收到携带有目标问题的解答请求时,根据所述目标问题、答案查询库中的各答案、所述语义提取公式、以及所述语义提取参数的训练值,分别确定所述各答案与所述目标问题的语义接近度;根据所述各答案与所述目标问题的语义接近度,在所述各答案中选取目标答案,对所述解答请求进行反馈。采用本发明,可以提高服务器进行答案反馈的准确率。

    一种碱基识别方法、装置、设备及存储介质

    公开(公告)号:CN110322931A

    公开(公告)日:2019-10-11

    申请号:CN201910455978.X

    申请日:2019-05-29

    IPC分类号: G16B50/30 G16B40/00 G16B30/00

    摘要: 本申请公开了一种碱基识别方法、装置、设备及存储介质,所述方法包括:利用分布式FPGA扫描基因数据库,得到待识别基因数据;基于目标基因序列识别模型对所述待识别基因数据进行目标基因序列识别,得到目标基因序列,所述目标基因序列包括首尾碱基符合预设需求的基因序列;基于碱基识别模型对所述目标基因序列进行碱基识别,得到碱基数据;其中,所述基因数据库包括以键值对存储基因序列的非关系型数据库和存储所述基因序列中碱基的基础信息的关系型数据库。利用本申请提供的技术方案可以有效提高碱基识别的准确率,降低计算平台的能耗和成本,且基于FPGA的数据服务易开发学习利于测序计算的大规模扩展,应用广泛。

    属性词识别及其层次构建方法、装置、设备及存储介质

    公开(公告)号:CN109492214A

    公开(公告)日:2019-03-19

    申请号:CN201710813362.6

    申请日:2017-09-11

    IPC分类号: G06F17/27

    摘要: 本发明提供一种属性词识别方法及装置,包括:获取评论语料的名词词表;获取上下位关系矩阵,所述上下位关系矩阵为种子词与种子词的下位词的上下位关系的矩阵;根据所述上下位关系矩阵及所述名词词表中的各词,确定所述名词词表中各词的预测上位词向量,所述预测上位词向量为所述上下位关系矩阵与词的词向量的乘积;根据各词的所述预测上位词向量确定种子词的属性词。该方法及装置,仅需通过少量人力资源确定种子词,而无需通过大量的人力资源,便可以确定与种子词相关的属性词,从而降低了人力资源消耗量。本发明还提供一种与上述属性词识别方法及装置对应的属性词的层次构建方法及装置,以及一种计算机设备及计算机存储介质。

    高效用序列模式处理方法、装置和计算机设备

    公开(公告)号:CN109460424A

    公开(公告)日:2019-03-12

    申请号:CN201811216936.2

    申请日:2018-10-18

    IPC分类号: G06F16/2458

    摘要: 本申请涉及一种高效用序列模式处理方法、装置和计算机设备,该方法包括:建立序列数据库中各事务的效用链表;将序列数据库中的各项目均作为当前序列模式;根据效用链表得到当前序列模式的效用值和效用上界;当效用值大于或等于效用阈值时,确定当前序列模式为高效用序列模式;当效用上界大于或等于效用阈值时,将当前序列模式作为候选序列模式;对候选序列模式进行项目连接,生成超集序列模式,将超集序列模式作为当前序列模式,并返回根据效用链表得到当前序列模式的效用值和效用上界的步骤,直至满足结束条件。通过效用链表能够快速得到当前序列模式的效用值和效用上界,提高了高效用序列模式挖掘的效率。

    多维高效用序列模式处理方法、装置和计算机设备

    公开(公告)号:CN109446235A

    公开(公告)日:2019-03-08

    申请号:CN201811216190.5

    申请日:2018-10-18

    IPC分类号: G06F16/2458

    摘要: 本申请涉及一种多维高效用序列模式处理方法、装置和计算机设备,该方法包括:将所述多维序列数据库转换成一维序列数据库;提取所述一维序列数据库中的高效用序列模式;根据所述高效用序列模式对维度值进行处理,得到对应的维度数据;根据所述高效用序列模式以及对应的维度数据,构建多维高效用序列模式。通过对数据库进行转换,得到高效用序列模式,并对维度值进行处理得到用于构建多维高效序列模式的维度数据,从而构建得到多维高效序列模式,实现了对多维高效用序列模式的有效挖掘,挖掘结果充分体现了多个维度特征之间的联系,提高了数据挖掘质量。