目標機動識別方法有哪些

⑴ 目的基因的鑒定方法有哪些

基因的鑒定方法：
間接識別法
在基因的間接識別法（Extrinsic Approach）中，人們利用已知的mRNA或蛋白質序列為線索在DNA序列中搜尋所對應的片段。由給定的mRNA序列確定唯一的作為轉錄源的DNA序列；而由給定的蛋白質序列，也可以由密碼子反轉確定一族可能的DNA序列。因此，在線索的提示下搜尋工作相對較為容易，搜尋演算法的關鍵在於提高效率，並能夠容忍由於測序不完整或者不精確所帶來的誤差。BLAST是目前以此為目的最廣泛使用的軟體之一。
若DNA序列的某一片段與mRNA或蛋白質序列具有高度相似性，這說明該DNA片段極有可能是蛋白編碼基因。但是，測定mRNA或蛋白質序列的成本高昂，而且在復雜的生物體中，任意確定的時刻往往只有一部分基因得到了表達。這意味著從任何單個細胞的mRNA和蛋白質上都只能獲得一小部分基因的信息；要想得到更為完整的信息，不得不對成百上千個不同狀態的細胞中的mRNA和蛋白質測序。這是相當困難的。比如，某些人類基因只在胚胎或胎兒時期才得到表達，對它們的研究就會受到道德因素的制約。
盡管有以上困難，對人類自身和一些常見的實驗生物如老鼠和酵母菌，人們已經建立了大量轉錄和蛋白質序列的資料庫。如RefSeq資料庫，Ensembl資料庫等等。但這些資料庫既不完整，也含有相當數量的錯誤。
從頭計演算法
鑒於間接識別法的種種缺陷，僅僅由DNA序列信息預測蛋白質編碼基因的從頭計演算法（Ab Initio Approach）就顯得十分重要了。一般意義上基因具有兩種類型的特徵，一類特徵是「信號」，由一些特殊的序列構成，通常預示著其周圍存在著一個基因；另一類特徵是「內容」，即蛋白質編碼基因所具有的某些統計學特徵。使用Ab Initio方法識別基因又稱為基因預測。通常我們仍需藉助實驗證實預測的DNA片段是否具有生物學功能。
在原核生物中，基因往往具有特定且容易識別的啟動子序列（信號），如Pribnow盒和轉錄因子。與此同時，構成蛋白質編碼的序列構成一個連續的開放閱讀框（內容），其長度約為數百個到數千個鹼基對（依據該長度區間可以篩選合適的密碼子）。除此之外，原核生物的蛋白質編碼還具有其他一些容易判別的統計學的特徵。這使得對原核生物的基因預測能達到相對較高的精度。
對真核生物（尤其是復雜的生物如人類）的基因預測則相當有挑戰性。一方面，真核生物中的啟動子和其他控制信號更為復雜，還未被很好的了解。兩個被真核生物基因搜尋器識別到的訊號例子有CpG islands及poly(A) tail的結合點。
另一方面，由於真核生物所具有的splicing機制，基因中一個蛋白質編碼序列被分為了若干段（外顯子），中間由非編碼序列連接（基因內區）。人類的一個普通蛋白質編碼基因可能被分為了十幾個外顯子，其中每個外顯子的長度少於200個鹼基對，而某些外顯子更可能只有二三十個鹼基對長。因而蛋白質編碼的一些統計學特徵變得難於判別。
高級的基因識別演算法常使用更加復雜的概率論模型，如隱馬爾可夫模型。Glimmer是一個廣泛應用的高級基因識別程序，它對原核生物基因的預測已非常精確，相比之下，對真核生物的預測則效果有限。GENSCAN計劃是一個著名的例子。
比較基因組學
由於多個物種的基因組序列已完全測出，使得比較基因組學得以發展，並產生了新的基因識別的方法。該方法基於如下原理：自然選擇的力量使得基因和DNA序列上具有生物學功能的其他片段較其他部分有較慢的變異速率，在前者的變異更有可能對生物體的生存產生負面影響，因而難以得到保存。因此，通過比較相關的物種的DNA序列，我們能夠取得預測基因的新線索。2003年，通過對若干種酵母基因組的比較，人類對原先的基因識別結果作了較大的修改；類似的方法也正在應用於人類的基因組研究，並可能在將來的若干年內取得成果。

⑵ 車標識別是什麼呀

車標識別技術是指以數字圖像或視頻信號流為研究對象，通過圖像處理與自動識別方法，獲得機動車輛品牌信息的一種實用技術。車標識別技術主要包括車標定位和車標識別兩大部分，准確定位出車標後，車標識別就轉化為目標識別問題。具體的來說,對一幅汽車的圖像，首先要准確的定位出車標所在的區域,然後對車標區域進行識別,進而確定車輛的廠商信息。

汽車標志是指各種汽車品牌的標志，這些標志往往成為汽車企業的代表。汽車的標志包括：汽車的商標或廠標，產品標牌，發動機型號及出廠編號，整車型號及出廠編號以及車輛識別代號等。

分類

首字母作標志

英文首字母：

舉例：雷克薩斯的「L」、本田的「H」、現代的「H」、ACURA的「A」、邁巴赫的「M」

名稱簡寫：

舉例：大眾的「VW」、比亞迪

品牌英文車標

舉例：SMART精靈、KIA起亞、FORD福特、FIAT菲亞特、LAND ROVER路虎

象徵物件車標

舉例：瑪莎拉蒂的海神叉、蘭博基尼的牛、別克的三個盾牌、法拉利的馬

抽象圖形標志

舉例：奧迪的四環、三菱的三個菱形、雷諾的菱形、豐田三環相扣

⑶ 絀烘垬涓鎴戞柟椋炴満閿佸畾涓鏋舵晫鏈猴紝鏁屾満鏄鎬庝箞鐭ラ亾浠栬閿佸畾鐨勶紵

瀵規柟鎴樻枟鏈鴻閿佸畾鐨勫悓鏃訛紝鏈鴻澆闆瘋揪棰勮﹀氨浼氬彂鍑轟俊鍙鋒潵鍛婄煡椋炶屽憳鑷宸辮閿佸畾銆
濡傛灉闆瘋揪鍛婅﹁呯疆鍛婅瘔椋炶屽憳鏁屾満宸插彂灝勪簡瀵煎脊錛屽垯搴旇繍鐢ㄧ數瀛愬共鎵般佺當鏉¤遍サ鍜屾満鍔ㄥ姩浣滅敥鎺夋潵琚瀵煎脊銆 瓚呰勮窛絀虹┖瀵煎脊涓昏佹槸鍗婁富鍔ㄩ浄杈懼埗瀵煎煎脊鍜屼富鍔ㄩ浄杈懼埗瀵煎煎脊銆備粠灝勭▼涓婅詫紝涓よ呮病鏈夊氬ぇ鍖哄埆銆備絾鏈変竴鐐硅佹竻妤氾紝瓚呯幇璺濆煎脊鐨勬渶澶у皠紼嬪湪瀹炴垬涓鏄娌℃湁澶澶ф剰涔夌殑銆傚傛灉鍦ㄥ煎脊鏈澶у皠紼嬪勫彂灝勶紝鐩鏍囨満鍙瑕佺◢涓鏈哄姩錛屽煎脊灝卞熶笉鐫浜嗭紱鍐典笖絀虹┖瀵煎脊涓轟簡閬垮紑騫叉壈錛岃繕瑕佽繘琛屼竴瀹氱殑鏈哄姩錛屽皠紼嬪氨鏇磋繎浜嗐傚啀鑰呮垬鏂楁満椋炶屽憳涓轟簡鏇村噯紜鍦版崟鎹夌洰鏍囧拰璇嗗埆鏁屾垜錛屾洿鏈夋妸鎻″湴璁╁煎脊鏀誨嚮鐩鏍囷紝閫氬父涔熶細鎶婄洰鏍囨満鏀捐繎浜涳紝鐒跺悗鎵嶅彂灝勫煎脊銆備竴鑸鏈澶у皠紼80鍏閲岀殑瀵煎脊錛屽叾瀹為檯鍙戝皠璺濈諱笉浼氳秴榪50鍏閲屻傝繖涓璺濈諱笂錛屽嵆浣塊浄杈炬ц兘杈冨樊鐨勬垬鏂楁満涔熻兘鍙戠幇闆瘋揪鎬ц兘杈冨ソ鐨勬垬鏂楁満騫惰繘琛屽弽鍑匯傛墍浠ワ紝濡傛灉涓嶈В鍐蟲洿閲嶈佺殑鎶楀共鎵拌兘鍔涘拰鏁屾垜璇嗗埆鑳藉姏錛屼竴鍛沖幓榪芥眰鏇磋繙鐨勬悳緔㈣窛紱誨拰瀵煎脊鐨勬渶澶у皠紼嬶紝榪欑嶅仛娉曟槸涓嶅彲鍙栫殑銆
瀵逛簬鏉ヨ鐨勫崐涓誨姩闆瘋揪鍒跺煎煎脊錛岀敱浜庡叾鍙戝皠鍚庝粛闇杞芥満闆瘋揪寮曞礆紝鎵浠ョ洰鏍囨満鍦ㄦ敹鍒板憡璀︿俊鍙峰悗錛屼粛鐢ㄤ晶杞鍔ㄤ綔鎽嗚劚闆瘋揪閿佸畾錛屽苟鏂芥斁綆旀潯騫叉壈錛屼嬌瀵煎脊澶卞幓鍒跺礆紝鍒欏崐涓誨姩闆瘋揪鍒跺煎煎脊灝變細鍥犳壘涓嶅埌鐩鏍囪屾墤絀恆傚傛灉鏉ヨ鐨勬槸涓誨姩闆瘋揪鍒跺煎煎脊錛岀敱浜庡叾鏈変竴瀹氱殑鑷瀵艱兘鍔涳紙涓誨姩闆瘋揪鍒跺煎煎脊涔熶笉鏄璇村彂灝勫悗灝辯湡鐨勪笉
鐢ㄧ★紝瀹冧粛鐒惰佷粠澶栭儴鑾峰彇淇℃伅錛屽彧鏈夊綋鐩鏍囪繘浜轟富鍔ㄩ浄杈懼煎紩澶存悳緔㈣寖鍥村唴錛岀洰鏍囧凡寰堥毦瀵瑰叾榪涜屽共鎵版椂鎵嶇湡姝ｄ笉鐢ㄧ★紝鐩鍓嶈繖縐嶅煎脊鐨勪富鍔ㄦ佃窛紱繪槸18鍏閲屽乏鍙籌級錛屾墍浠ラ櫎浜嗗仛鍓х儓鐨勬満鍔ㄥ姩浣滃傝泧琛屾満鍔ㄣ佹ュ墽淇鍐插栵紝鍚屾椂搴斿瑰叾榪涜岀Н鏋佸拰娑堟瀬騫叉壈錛屼粠鑰屾憜鑴卞煎脊鐨勬敾鍑匯傚湪緹庝紛鍥寸粫紱侀炲尯鐨勪竴嬈″啿紿佷腑錛岀編鎴樻枟鏈烘浘鍙戝皠浜4鏋欰IM錛120絀虹┖瀵煎脊錛屼絾閮借浼婂啗椋炴満鐢╂帀錛屼護緹庡啗澶т負鍚冩儕銆傛墍浠ュ逛簬楂樻妧鏈鍏靛櫒錛屽簲瀹㈣傝瘎浠鳳紝鏃涓嶈兘鏃犺嗗畠鐨勫瓨鍦錛屼篃涓嶈兘鎶婂畠鍚逛笂澶┿
琚閿佸畾鏈蹇呬竴瀹氬嚮涓錛屽洜涓鴻閿佸畾鐨勯炴満鍙浠ラ噴鏀懼共鎵板脊鏉ュ共鎵版潵琚瀵煎脊鍋忕葷洰鏍囷紝涔熸湁鏈哄姩鎽嗚劚鐨勫笇鏈涖

⑷ 車輛檢測技術的方法有

1. 感測器
        前方車輛檢測，常用的感測器有高頻雷達（毫米波）、紅外激光雷達、攝像頭。
每種感測器都有各自的優缺點：
        雷達：自己可選用的波段有限，常用24G（厘米波）、79G波段。對雨霧天氣的適應能力好，探測距離大150米，但容易受電磁干擾影響。據傳，79G雷達技術對國內有限制的。而歐盟和我國的工信部是建議24G作為車載雷達波段。而美國是推薦79G波段作為車載雷達的使用波段。http://www.srrc.org.cn/NewsShow6038.aspx
        紅外激光：抗干擾能力強，定向性。但對於雨霧天氣的穿透能力弱。且成本高。
        攝像頭：基於視覺的探測。對距離的判斷較弱（單目視覺情況下），易受雨霧天氣的影響。
        所以，想適應各種場景，廠商一般會採用多種感測器收集信息。
        這里重點總結下，基於單目視覺的車輛檢測技術。
        從視覺上來講，車輛的形狀、顏色和大小雖然限定在一定范圍，但都是不固定的，而且，其外形會受到自身姿勢和外部環境，如光照或旁邊物體的影響。

2. 基於先驗知識的特徵檢測
        汽車有一些一些典型的特徵， 如對稱性、顏色、陰影、幾何特徵（如角點、邊緣）、紋理、車燈。
        1）對稱性：汽車從前方和後方來看，無論是在區域面積還是邊緣特徵上，具有很好的對稱性。但是，對稱性特徵易受雜訊的干擾，以及角度的影響。
        2）顏色：顏色空間一般不直接使用在車輛上，而比較有效的手段是識別路面和車輛陰影。
        3）陰影：車輛陰影是與車輛相關的一個重要的特徵。因為車輛陰影一般比周圍區域都要暗。但具體的參數指標，還與光照，即天氣狀況有關。
        一般做法是採用兩個閾值，一高、一低，低閾值用於確定陰影，而高閾值由陰影周圍環境來確定，如局部分割演算法，均值+方差。
        4）角點：先檢測出所有角點，然後再根據角點的空間關系，如汽車的四個角點會形成一個矩形，來篩選汽車。
        5）垂直或水平邊緣：一種方式，直接檢測垂直邊緣，利用類似直方圖計算垂直投影。然後，車輛底盤下方陰影部分也是重要的水平邊緣特徵。另外，也有採用多解析度的方式，在每個層次都邊緣只是作為一種初步的篩選/搜索手段。
        6）紋理：熵、共生矩陣都可被作為基於紋理的圖像分割的基礎。