搜索资源列表
aa
- 基于指纹识别生物特征身份认证的信息加密系统
BiaTest
- 在人体成分的研究中，测量人体生物电阻抗值可以得到水分、脂肪等与人体健康状况有关的信息，对人身体状况的监视、疾病的早期诊断有着重要的意义-Bia Test
Robotics
- 机器人学的研究推动了许多人工智能思想的发展，有一些技术可在人工智能研究中用来建立世界状态的模型和描述世界状态变化的过程。关于机器人动作规划生成和规划监督执行等问题的研究，推动了规划方法的发展。此外由于机器人是一个综合性的课题，除机械手和步行机构外，还要研究机器视觉触觉听觉等信感技术，以及机器人语言和智能控制软件等。可以看出这是一个设计精密机械信息传感技术人工智能方法智能控制以及生物工程等学科的综合技术。-Robotics research to promote the development o
Medical-biometric-calculation
- 医学生物特征计算将传统医学理论和信息处 理、数据挖掘、模式识别有机地结合起来，不仅促进了医学现代化的发展进程，而且对信息科学也提供了新的发展机遇和挑战。-Medical biometric calculation of traditional medicine theory and information processing, data mining, pattern recognition and organically combine modern medicine not only
Bioinformatics-method
- 是生物信息方面的材料，包括linux操作系统的介绍，研究基因或蛋白质功能时所用到的生物信息软件及操作方法，内容全面丰富。-Biological information materials, including the introduction of the Linux operating system, comprehensive bioinformatics software and operating methods used in the study of gene or protein
BardLeahCA
- 生物模型的元胞自动机的方法 元胞自动机作为简单的数学模型，自组织的调查统计力学。一个详细的分析，给出了“基本”细胞自动机组成的序列值0或1行的网站，每个网站不断变化的确定性离散时间步长，根据一定的规则，涉及其最近的邻居的值。简单的初始配置，元胞自动机趋向于同质化的状态，或产生自相似的模式，与分形维数≃ 1.59或≃ 1.69。随着“随机”的初始配置，元胞自动机演化不可逆转的特性，导致一些自组织现象。产生的结构被发现的统计性质在于两种普遍性类，独立的初始状态的详细信
Bioperl-guide(Chinese)
- bioper的中文操作指南，适用于对perl语言有一定基础，想学习生物信息学的同学。-the chinese guide of bioperl。
R-languale
- R语言的介绍文档，方便生物信息学初学者快速入门。-Introduction document R language to facilitate bioinformatics beginners get started.
The-principle-of-power-amplifier
- 功率放大器原理.近几十年来，在研究宏观和微观世界的过程中，科学家们不断开发能把淹没在噪声中的大量有用信息检测出来的理论和方法，通过不断的系统化，完整化，从而形成了一门新的微弱信号检测的学科分支。锁相放大器的出现使得微弱信号检测步入了一个新的台阶。锁相放大技术在物理、化学、激光、电子、生物医学等方面有着极为广泛的应用。它主要是利用噪声、信号的时间特性不同,设法得到抑制噪声和干扰发现微弱信号的检测方法。 锁相放大电路可以使仪器抑制噪声的性能提高好几个数量级，具有极强的抗噪声性能。它是把待检测的信号中
yichuansuanfa
- 遗传算法（Genetic Algorithm，GA）是通过对自然界中生物的遗传和优胜劣汰的进化过程进行模拟与抽象，进而形成的一种自适应全局随机优化搜索方法。遗传算法只需提供目标函数作为寻优信息，它从某一随机生成的初始群体出发，经过选择、交叉和变异等遗传操作后对个体进行适应度评价，保留适应度较强的个体遗传到子代种群中，经过多次的迭代计算求得最优个体，即问题的最优解。本程序采用遗传算法可求解微网优化运行。-Genetic Algorithm is an adaptive global by natu
biological-algorithms
- 生物信息算法的必看书籍 对学算法的有很深的的影响-Bioinformatics algorithms must-see books have a deep impact on the learning algorithm
activity-recognition--based-on-hmm
- 一种HMM可以呈现为最简单的动态贝叶斯网络。隐马尔可夫模型背后的数学是由LEBaum和他的同事开发的。它与早期由RuslanL.Stratonovich提出的最优非线性滤波问题息息相关，他是第一个提出前后过程这个概念的。 在简单的马尔可夫模型（如马尔可夫链），所述状态是直接可见的观察者，因此状态转移概率是唯一的参数。在隐马尔可夫模型中，状态是不直接可见的，但输出依赖于该状态下，是可见的。每个状态通过可能的输出记号有了可能的概率分布。因此，通过一个HMM产生标记序列提供了有关状态的一些序