相似性研究方法

1. 揭示变量间相似性的分析方法是因子分析

摘要 因子分析是指研究从变量群中提取共性因子的统计技术。因子分析就是从大量的数据中寻找内在的联系，减少决策的困难。因子分析的方法约有10多种，如重心法、影像分析法，最大似然解、最小平方法、阿尔发抽因法、拉奥典型抽因法等等。这些方法本质上大都属近似方法，是以相关系数矩阵为基础的，所不同的是相关系数矩阵对角线上的值，采用不同的共同性□2估值。因此，可以根据相关资料得出揭示变量间相似性的分析方法，是因子分析，所以这句话是正确的

2. 什么是历史比较研究方法

是指通过对不同时间不同空间条件下的复杂历史现象进行对比研究分析异同，发现历史本质，从而探寻历史共同规律和特殊规律的史学方法。

3. 比较研究方法

比较研究法
比较研究法就是对物与物之间和人与人之间的相似性或相异程度的研究与判断的方法。比较研究法可以理解为是根据一定的标准，对两个或两个以上有联系的事物进行考察，寻找其异同，探求普遍规律与特殊规律的方法。
中文名
比较研究法
外文名
Comparative study method
适用领域
自然、人、物
所属学科
自然学
快速
导航
种类
概念
《牛津高级英汉双解辞典》解释说：比较研究法就是对物与物之间和人与人之间的相似性或相异程度的研究与判断的方法。
我国吴文侃、杨汉青主编的《比较教育学》认为：比较法是根据一定的标准，对不同国家或地区的教育制度或实践进行比较研究，找出各国教育的特殊规律和普遍规律的方法。”很显然，这个定义仅适用于“比较教育”这个学科领域，所以必须对它进行另外限定。
我国林聚任、刘玉安主编的《社会科学研究方法》认为：比较研究方法，是指对两个或两个以上的事物或对象加以对比，以找出它们之间的相似性与差异性的一种分析方法。
比较研究法可以理解为是根据一定的标准，对两个或两个以上有联系的事物进行考察，寻找其异同，探求普遍规律与特殊规律的方法。
比较研究法在教育科学研究中广泛运用而且具有极高的价值。
种类
根据不同的标准，我们可以把比较研究法分成如下几类。
1.按属性的数量，可分为单项比较和综合比较。
单项比较是按事物的一种属性所作的比较。综合比较是按事物的所有(或多种)属性进行的比较，单项比较是综合比较的基础。但只有综合比较才能达到真正把握事物本质的目的。因为在科学研究中，需要对事物的多种属性加以考察，只有通过这样的比较，尤其是将外部属性与内部属性一起比较才能把握事物的本质和规律。
2.按时空的区别，可分为横向比较与纵向比较。
横向比较就是对空间上同时并存的事物的既定形态进行比较。如教育实验中的实验组与对照组的比较、同一时间各国教育制度的比较等都属于横比。纵向比较即时间上的比较，就是比较同一事物在不同时期的形态，从而认识事物的发展变化过程，揭示事物的发展规律。在教育科学研究中，对一些比较复杂的问题，往往既要进行纵比，也要进行横比，这样才能比较全面地把握事物的本质及发展规律。
3.按目标的指向，可分成求同比较和求异比较。
求同比较是寻求不同事物的共同点以寻求事物发展的共同规律。求异比较是比较两个事物的不同属性，从而说明两个事物的不同，以发现事物发生发展的特殊性。通过对事物的“求同”、“求异”分析比较，可以使我们更好地认识事物发展的多样性与统一性。
4.按比较的性质，可分成定性比较与定量比较。
任何事物都是质与量的统一，所以在科学研究过程中既要把握事物的质，也要把握事物的量。这里所指的定性比较就是通过事物间的本质属性的比较来确定事物的性质。定量比较是对事物属性进行量的分析以准确地制定事物的变化。定性分析与定量分析各有长处，在教育科学研究中应追求两者的统一，而不能盲目追求量化，教育毕竟是一个不同于工人制造产品的活动，很多东西并非能够量化。但也不能一点数量观念都没有，而应做到心中有“数”，并让数字来讲话。
5.按比较的范围，可分为宏观比较和微观比较。
认识一个事物，既可以从宏观上认识，也可以从微观上认识。从宏观上把握事物的本质，对事物的异同点或基本规律进行比较，则是宏观比较。从微观上把握事物的本质，对事物的异同点或基本规律进步比较，则是微观比较。

4. 比较研究法的比较研究的概念

《牛津高级英汉双解辞典》解释说：比较研究法就是对物与物之间和人与人之间的相似性或相异程度的研究与判断的方法。
我国吴文侃、杨汉青主编的《比较教育学》认为：比较法是根据一定的标准，对不同国家或地区的教育制度或实践进行比较研究，找出各国教育的特殊规律和普遍规律的方法。”很显然，这个定义仅适用于“比较教育”这个学科领域，所以必须对它进行另外限定。
我国林聚任、刘玉安主编的《社会科学研究方法》认为：比较研究方法，是指对两个或两个以上的事物或对象加以对比，以找出它们之间的相似性与差异性的一种分析方法。
比较研究法可以理解为是根据一定的标准，对两个或两个以上有联系的事物进行考察，寻找其异同，探求普遍规律与特殊规律的方法。
比较研究法在教育科学研究中广泛运用而且具有极高的价值。

5. 两个蛋白长度不同怎么确定相似性

为确定两个或多个序列之间的相似性以至于同源性，而将它们按照一定的规律排列。
将两个或多个序列排列在一起，标明其相似之处。序列中可以插入间隔（通常用短横线“-”表示）。对应的相同或相似的符号（在核酸中是A, T（或U）, C, G，在蛋白质中是氨基酸残基的单字母表示）排列在同一列上。
这一方法常用于研究由共同祖先进化而来的序列，特别是如蛋白质序列或DNA序列等生物序列。在比对中，错配与突变相应，而空位与插入或缺失对应。序列比对还可用于语言进化或文本间相似性之类的研究。
术语“序列比对”也指构建上述比对或在潜在的不相关序列的数据库中寻找significant alignments。

6. 什么是相似性

相似性：序列间相似性的量度。

同源性：两条序列有一个共同的进化祖先，那么它们是同源的。

同源性是序列同源或者不同源的一种论断，而相似性或者一致性是一个序列相关的量化，是两个不同的概念。

PAM矩阵模块负值大小与序列相似性的关系是负向还是正向？pam值越大，则相似性越低，关系为负向.

生物信息学能解决什么问题？即研究对象和应用对象。

生物信息学：运用计算机技术和信息技术开发新的算法和统计方法，对生物实验数据进行分析，确定数据所含的生物学意义，并开发新的数据分析工具以实现对各种信息的获取和管理的学科。

DNA序列，CDNA序列，NCDNA序列，RNA序列，蛋白质序列等等各种。

什么是blast？简述其应用。blast：基于数据相似性的数据库搜索程序.应用：1.确定直系同源序列或旁系同源序列。2.确定哪些蛋白质和基因在特定的物种中出现。3.确定一个DNA或者蛋白质序列身份。4.发现新基因。

什么是分子进化树？常用的建树方法有哪些？举例常用的建树软件。

进化树又名系统树进化树，用来表示物种间亲缘关系远近的树状结构图在进化树中，各个分类单元(物种)依据进化关系的远近，被安放在树状图表上的不同位置。根据蛋白质的序列或者结构差异关系可以构建分子进化树或者种系进化树，

常用的软件：MEGA、PHYL JIP、PAUP、PHYML、PAML、Tree-puzzle、MrBayes

什么是NGS？自己查阅相关资料，简述二代测序和三代测序的基本原理。

我的答案：

NGS:下一代测序技术。以能一次并行对几十万到几百万条DNA分子进行序列测定和一般读长较短等为标志。第二代测序：Illumina/Solexa Genome Analyzer测序的基本原理是边合成边测序。在Sanger等测序方法的基础上，通过技术创新，用不同颜色的荧光标记四种不同的dNTP，当DNA聚合酶合成互补链时，每添加一种dNTP就会释放出不同的荧光，根据捕捉的荧光信号并经过特定的计算机软件处理，从而获得待测DNA的序列信息。第三代测序技术原理主要分为两大技术阵营：第一大阵营是单分子荧光测序，代表性的技术为美国螺旋生物(Helicos)的SMS技术和美国太平洋生物(Pacific Bioscience)的SMRT技术。脱氧核苷酸用荧光标记，显微镜可以实时记录荧光的强度变化。当荧光标记的脱氧核苷酸被掺入DNA链的时候，它的荧光就同时能在DNA链上探测到。当它与DNA链形成化学键的时候，它的荧光基团就被DNA聚合酶切除，荧光消失。这种荧光标记的脱氧核苷酸不会影响DNA聚合酶的活性，并且在荧光被切除之后，合成的DNA链和天然的DNA链完全一样。第二大阵营为纳米孔测序，代表性的公司为英国牛津纳米孔公司。新型纳米孔测序法（nanopore sequencing）是采用电泳技术，借助电泳驱动单个分子逐一通过纳米孔 来实现测序的。由于纳米孔的直径非常细小，仅允许单个核酸聚合物通过，而ATCG单个碱基的带电性质不一样，通过电信号的差异就能检测出通过的碱基类别，从而实现测序。

ProtParam可以进行蛋白质基本的物理化学参数的计算。ProtScale可以进行氨基酸亲/疏水性的分析。TMpred可用于对蛋白质跨膜区预测、定位，该方法基于统计学结果，通过权重矩阵打分进行预测分析。SignalP可以预测多种生物体（包括革兰氏阳性原核生物、革兰氏阴性原核生物及真核生物）的氨基酸序列信号肽剪切位点的出现和定位。COILS：预测卷曲螺旋的在线工具。PROSITE ；通过对蛋白质家族中同源序列多重序列比对得到区别于其他蛋白质家族的保守性序列模式。InterProScan：蛋白质结构域和功能位点的集成数据库，它将SWISS-PROT、TrEMBL、PROTSITE、PRINTS、PFAM、ProDom等数据库提供的蛋白质序列中的各种局域模式，如结构域、基序等信息统一起来，提供了较为全面的分析数据。blastp：进行蛋白质序列同源性分析

我的答案：

分为4类。①只考虑单个氨基酸形成不同二级结构的倾向，并预测蛋白质二级结构②基于氨基酸片段(通常11－21个残基长度)，考虑中心残基形成不同二级结构的倾向，并预测蛋白质二级结构③在基于氨基酸片段预测的基础上，结合了蛋白质序列的进化信息及长程作用信息等④将几种预测方法综合进行预测

什么是复杂疾病？其具有哪些遗传特性？

复杂疾病:绝大多数疾病的发生与遗传、环境、生活方式和年龄等多种因素有关，因而被称为复杂疾病。遗传特性：1.在家系中的传递不符合孟德尔规律，而且疾病基因型与表型之间存在多因素致病、多基因多层次调控以及临床表型复杂等特征。 2.复杂疾病的遗传易感性不一定是对疾病表型本身的直接影响，而可能是通过影响疾病的中间性状的间接后果。这些基因之间没有显性和隐性的区别，而是共显性；但是每个基因对表型只用较小或微小的影响，只用若干个基因共同作用，才可对表型产生明显影响。

7. 如何根据数据分布的相似性进行分类

统计决策理论是处理模式识别问题的基本理论之一，而贝叶斯决策理论方法又是统计模式识别中的一个基本方法，它可以有效地对大量数据进行分析，并生成相应的分类器，对于数据的分类识别有着重大的意义。本文把最小错误率的贝叶斯方法运用到男女性别的识别中，提高了分类的准确性和有效性。
模式是通过对具体的个别事物进行观测所得到的具有时间和空间分布的信息；把模式所属的类别或同一类中模式的总体称为模式类(或简称为类)。而“模式识别”则是在某些一定量度或观测基础上把待识模式划分到各自的模式类中去。 有两种基本的模式识别方法，即统计模式识别方法和结构(句法)模式识别方法。统计模式识别是对模式的统计分类方法，即结合统计概率论的贝叶斯决策系统进行模式识别的技术，又称为决策理论识别方法。与此相应的模式识别系统都是有两个过程(设计与实现)所组成。“设计”是指用一定数量的样本(训练集/学习集)进行分类器的设计。“实现”是指用所设计的分类器对待识别的样本进行分类决策。基于统计模式识别方法的系统主要由以下几个部分组成：信息获取、预处理、特征提取和选择、分类决策。
《模式识别》课程大作业
2
经典方法相结合，引起统计界的广泛注意，这一方法很快就显示出它的优点，成为很活跃的一个方向。在这里值得一提的是，八十年代以后，人工智能的发展，尤其是机器学习、数据挖掘的兴起，为贝叶斯理论的发展和应用提供了更为广阔的空间。
●密度估计
贝叶斯学习理论利用先验信息和样本数据来获得对未知样本的估计，而概率（联合概率和条件概率）是先验信息和样本数据信息在贝叶斯学习理论中的表现形式。如何获得这些概率（也称之为密度估计）是贝叶斯学习理论争议较多的地方。贝叶斯密度估计研究如何根据样本的数据信息和人类专家的先验知识获得对未知变量（向量）的分布及其参数的估计。它有两个过程：一是确定未知变量的先验分布；一是获得相应分布的参数估计。如果以前对所有信息一无所知，称这种分布为无信息先验分布；如果知道其分布求它的分布参数，称之为有信息先验分布。由于在数据挖掘中，从数据中学习是它的特性，所以无信息先验分布是贝叶斯学习理论的主要研究对象。研究无信息分布的奠基性工作是贝叶斯假设－参数的无信息先验分布在参数的取值范围内应是均匀的。对参数有界的情况，贝叶斯假设在实际运用中获得了很大的成功，与经典的参数估计方法是一致的，而当参数无界时，贝叶斯假设却遇到了困难。为此，人们又提出了一些选取先验分布的原则：
⑴共轭分布：共轭分布假定先验分布与后验分布属于同一种类型。这一假定为后验分布的计算带来很大的方便，同时在认知上，它要求经验的知识与现在的样本信息有某种同一性，它们能转化为同一类型的经验知识。
⑵杰弗莱原则：在贝叶斯假设中，如果对参数选用均匀分布，那么它的函数作为参数时，也应服从均匀分布。然而这种情况是很少见的，为克服这一矛盾，杰弗莱提出了不变性的要求。他认为一个合理的决定先验分布的原则应具有某种不变性，并且巧妙的利用费歇信息阵的一个不变性质，给出了一个具体的方法求得适合于要求的先验分布。
⑶最大熵原则：利用信息论中熵的理论，在确定无信息先验分布时应取参数变化范围内熵最大的分布作为先验分布。最大熵原则比贝叶斯假设前进了不少，但在无限区间上产生了各种各样的新问题。

8. 空间相似性理论与计算模型的研究.PDF

空间相似性理论与计算模型的研究(空间关系,)

牛彪论文网整理(www.niubiao.com)更新日期:2010-04-02 13:09作者:

【中文摘要】：空间相似性是GIS的重要理论问题,目前国内外对空间相似性研究得较少,造成这种结果的一个原因主要是相似性的可计算性差,另一个原因是研究相似关系目的是揭示较深层次上的信息,需要复杂分析,而有些分析是较难计算的。但是,进行空间相似性分析,能更好地对空间目标进行抽象、合并和检索,所以有必要进行深入研究。本文就空间相似性理论与计算模型进行研究,引入本体论和空间认知的思想,深入分析了与空间方向相似性、空间拓扑相似性、空间语义相似性和空间场景相似性有关的理论基础,并建立计算模型,力争得到一个较为完整的空间相似性计算模型,为空间相似性在实际问题中得以应用提供理论依据和计算模型。 空间关系通过一定的数据模型来描述,能表达具有一定位置、属性和形态的空间目标之间的相互关系,它是指空间目标之间在一定区域上构成的与空间特性有关的联系。本文讨论的空间关系包括空间方向关系、空间距离关系和空间拓扑关系。空间方向关系是空间关系中的一个考虑因素,对空间方向的描述分为定量描述和定性描述,定量描述就是用方位角或象限角等比率量标(Ratio)数据精确地给出目标间的空间方向关系值,定性描述是用有序尺度数据(Ordinal)概略描述方向关系。空间方向是指两个空间目标之间的相对方向,当一个目标相对于参考目标向不同方向移动后,这两个目标之间的空间方向关系同移动前相比就发生了变化,前后两个空间方向关系就有差别,反之,它们之间空间方向关系也就有相似性,这一点在地图综合的空间关系维护中有充分体现。 空间数据模型研究的核心是如何在描述空间物体形态时,尽可能地保留空间物体间的拓扑关系信息。空间度量变化和尺寸减少都与形状的简化有关,而空间拓扑关系变化与部分目标或目标中一部分的删除、合并以及维数的变化有关。很多地图综合算法主要关心几何简化而忽视了这些空间目标的拓扑特性和拓扑关系,但是,在简化过程中这些拓扑特性和拓扑关系应该尽可能地被保持。这就涉及到空间拓扑关系相似性问题,也是本文所研究的。 在GIS中,语义相似性评价相当重要,大量的数据使信息检索和综合成为目前地理信息系统的基本成分。我们要用更好的信息检索和综合机制来提高地理信息系统的可用性,从而获取用户期望的系统检索信息。语义相似性主要应用于空间抽象和空间目标合并,其研究对于地理现象分类很有帮助,可以通过语义形式化提高地理信息的可用性,人们通过语义相似性量算可用熟悉的地理空间描述不熟悉的地理空间,所以我们有必要对语义相似性进行深入地研究。 空间区域内会存在多个空间目标,多种空间关系会同时影响人们对空间的认识。在地图综合中,不同综合方法产生的图形有时会不相同,那么哪些取舍是合理的?一个重要的指标是综合后的图形要与原图相似,如何判断两个相比较的图形之间的这种相似程度,这就要对空间场景相似性进行研究分析。 本文在分析了与论文相关领域研究现状后,详细地阐述了空间相似性理论基础,并对相应计算'