估计阅读时长: 7 分钟 https://github.com/rsharp-lang/bing-academic 我们在进行一个新的课题项目开始之前，会需要经历过一个开题立项的报告过程。在这个过程之中，我们需要收集与课题相关的信息，例如相关的知识背景信息，建立出一个与课题相关的知识网络。基于此知识网络进行课题的技术相关概念的梳理。 Order by Date Name Attachments v2-8119594eef2838042df8fb5af0523c0c_720w • 126 kB • 168 click 15.08.2021v2-96d82f034d4084cf1ed6eb4784f36ed4_r • […]
估计阅读时长: 9 分钟 https://github.com/rsharp-lang/bing-academic 必应学术是由微软必应团队联合微软研究院打造的免费学术搜索产品。旨在为广大研究人员提供海量的学术资源，并提供智能的语义搜索服务。目前已涵盖多学科学术论文、国际会议、权威期刊、知名学者等方面。搜索位置：http://cn.bing.com/academic。 Order by Date Name Attachments Bing_Logo • 14 kB • 161 click 14.08.2021html-compression • […]
估计阅读时长: 14 分钟 https://github.com/xieguigang/sciBASIC 层次聚类通过计算不同类别数据点间的相似度来创建一棵有层次的嵌套聚类树。基于层次聚类分析，我们可以初步可视化我们的一些原始数据： 例如对样本的层次聚类分类，可以让我们了解到样本在分组之间以及分组内的异质性。 对生物序列进行基于相似度的层次聚类分析，我们可以了解到序列之间的相似性程度或者进化关系 Order by Date Name Attachments metabolome • 14 kB • 160 click […]
估计阅读时长: 16 分钟 https://github.com/xieguigang/sciBASIC/ 线性规划（Linear programming,简称LP），是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支，它是辅助人们进行科学管理的一种数学方法。研究线性约束条件下线性目标函数的极值问题的数学理论和方法。 Order by Date Name Attachments linear-programming-example • 22 kB • 223 click 11.08.2021lppsolve_screen […]
估计阅读时长: 8 分钟 https://github.com/xieguigang/sciBASIC 在进行无监督聚类分析的方法之中，我们在算法代码之中一般会遇到求解与某一个样本数据点最相似的数据点的计算过程。对于这个计算过程，一般而言我们是基于欧几里得距离来完成的。 Order by Date Name Attachments Visual a KDtree Search • 274 kB • 224 […]
估计阅读时长: 11 分钟 PhenoGraph提供了与UMAP类似的算法过程进行单细胞组学数据的细胞分型处理操作。与UMAP方法相比，PhenoGraph并不会产生数据降维效果，仅仅产生数据点Cluster信息。如果需要将数据进行可视化，还需要借助于t-SNE算法将PhenoGraph的分型结果数据投影到一个二维平面上完成。 Order by Date Name Attachments Phenograph-image4 • 200 kB • 173 click 09.08.2021Automated Optimal Parameters […]
估计阅读时长: 11 分钟 https://github.com/xieguigang/sciBASIC Louvain算法是基于模块度的网络节点集群发现算法。该算法在效率和效果上都表现较好，并且能够发现层次性的网络节点集群结构，其优化目标是最大化整个网络集群模块的模块度（Modularity）。 Order by Date Name Attachments graph • 2 MB • 177 click 07.08.2021Metavirome network […]
估计阅读时长: 2 分钟 https://mzkit.org/ 代谢组文章整个坎坷的发表经历中，大家可能都会遇到的一个老大难问题就是我们有时候会需要从原始数据中得到物质注释结果的二级质谱图数据。对于熟悉xcms程序包的同学，获取二级质谱图可能会比较容易：无非就是加载原始数据，然后按照m/z和rt找到对应的二级scan就好了。但是，这种方法会需要编写脚本来完成。 Order by Date Name Attachments download • 33 kB • 193 click 04.08.2021[278][MS_MS] FTMS […]
针对图对象进行向量化表示嵌入： 首先，通过node2vec方法，将node表示为向量 第二步，针对node向量矩阵，进行umap降维计算，对node进行排序，生成node排序序列 第三步，针对node排序序列进行SGT序列图嵌入，实现将网络图对象嵌入为一维向量
Hi, I log on to your new stuff like every week. Your humoristic style is witty, keep it up
waiting and waiting.
Cool + for the post
老师提到的这个问题，我这几天会写一个使用教程，老师后面可以用教程中对应的demo示例来了解下功能的使用