-
公开(公告)号：CN111046363B
公开(公告)日：2020-12-15
申请号：CN201911270621.0
申请日：2019-12-12
Applicant: 吉林大学
Abstract: 本发明公开了一种基于虹膜特征联盟随机匹配投票机制的身份验证方法，其方法为：步骤一、采集灰度图像1张；步骤二、转化为增强图像；步骤三、编号设定为1；步骤四、编号设定为2；步骤五、编号设定为3；步骤六、编号设定为4；步骤七、编号设定为5；步骤八、装进一个虹膜信息块中；步骤九、通过链结构连接；步骤十、采集测试虹膜灰度图像一张；步骤十一、测试虹膜归一增强图像；步骤十二、编号设定为1；步骤十三、编号设定为2；步骤十四、编号设定为3；步骤十五、编号设定为4；步骤十六、编号设定为5；步骤十七、随机生成的数字；步骤十八、模板虹膜与测试虹膜不是相同类别。有益效果：最大限度的保障了识别过程的安全。
-
公开(公告)号：CN113178229B
公开(公告)日：2022-03-08
申请号：CN202110597078.6
申请日：2021-05-31
Applicant: 吉林大学
Abstract: 本发明公开了一种基于深度学习的RNA和蛋白质结合位点的识别方法，其方法为：识别方法分为两部分：数据处理和模型设计训练，各部分主要步骤如下：第一步、数据处理：步骤1、原始数据去冗余；步骤2、预测二级结构信息；步骤3、对步骤2中获得的二级结构进行编码；步骤4、将所有数据保存在对应的csv文件中作为输入数据；第二步、模型设计及训练：步骤1、编码为数据矩阵作为模型输入；步骤2、两个特征矩阵维度相同；步骤3、将组合特征输入到编码器中；步骤4、最终编码器编码的结果；步骤5、经过sigmoid函数得到最终类别。有益效果：利用Transformer网络学习序列的长依赖性和对特征进行编码，能够有效地预测RNA和蛋白质的结合位点。
-
公开(公告)号：CN113178229A
公开(公告)日：2021-07-27
申请号：CN202110597078.6
申请日：2021-05-31
Applicant: 吉林大学
Abstract: 本发明公开了一种基于深度学习的RNA和蛋白质结合位点的识别方法，其方法为：识别方法分为两部分：数据处理和模型设计训练，各部分主要步骤如下：第一步、数据处理：步骤1、原始数据去冗余；步骤2、预测二级结构信息；步骤3、对步骤2中获得的二级结构进行编码；步骤4、将所有数据保存在对应的csv文件中作为输入数据；第二步、模型设计及训练：步骤1、编码为数据矩阵作为模型输入；步骤2、两个特征矩阵维度相同；步骤3、将组合特征输入到编码器中；步骤4、最终编码器编码的结果；步骤5、经过sigmoid函数得到最终类别。有益效果：利用Transformer网络学习序列的长依赖性和对特征进行编码，能够有效地预测RNA和蛋白质的结合位点。
-
公开(公告)号：CN111046363A
公开(公告)日：2020-04-21
申请号：CN201911270621.0
申请日：2019-12-12
Applicant: 吉林大学
Abstract: 本发明公开了一种基于虹膜特征联盟随机匹配投票机制的身份验证方法，其方法为：步骤一、采集灰度图像1张；步骤二、转化为增强图像；步骤三、编号设定为1；步骤四、编号设定为2；步骤五、编号设定为3；步骤六、编号设定为4；步骤七、编号设定为5；步骤八、装进一个虹膜信息块中；步骤九、通过链结构连接；步骤十、采集测试虹膜灰度图像一张；步骤十一、测试虹膜归一增强图像；步骤十二、编号设定为1；步骤十三、编号设定为2；步骤十四、编号设定为3；步骤十五、编号设定为4；步骤十六、编号设定为5；步骤十七、随机生成的数字；步骤十八、模板虹膜与测试虹膜不是相同类别。有益效果：最大限度的保障了识别过程的安全。
-
-
-
Search Results
4
records
(took 0.015 seconds)
