-
题名四种机器学习算法预测大豆蛋白质定位对比研究
被引量：1
- 1
-
-
作者
李佳楠
高兴泉
李卓
滕小华
黄斌
张继成
唐友
-
机构
吉林农业科技学院电气与信息工程学院
吉林化工学院信息与控制工程学院
东北农业大学电气与信息工程学院
-
出处
《大豆科学》
CAS
CSCD
北大核心
2022年第3期337-344,共8页
-
基金
吉林省特色高水平学科新兴交叉学科“数字农业”(2018)
吉林省智慧农业工程研究中心项目(2016)
国家自然科学基金(31801441)。
-
文摘
为探索不同缺失程度大豆蛋白质亚细胞定位预测的有效方法,提升大豆蛋白质亚细胞定位预测能力,本研究以1万条已知亚细胞定位位置的大豆蛋白质序列数据为研究对象,进行5%、10%、15%、20%和30%不同缺失比例完全随机缺失,分别运用SVM算法、朴素贝叶斯算法和随机森林算法和决策树4种机器学习算法预测缺失序列的亚细胞位置,对原始位置和预测后的位置进行相关性分析,对比分析不同算法的准确性和性能。结果显示:随机森林算法预测的准确率最高;朴素贝叶斯算法的运行速度最快;朴素贝叶斯算法的运行内存最小。在不考虑运行时间和运行内存因素,且对预测的准确率要求较高的情况下,随机森林算法的预测效果要优于另外3种算法;同种情况下,若对运行内存要求较高时,可优先考虑朴素贝叶斯算法。结果说明不同机器学习方法在不同缺失程度的预测需求下的适用性,可应用于大豆蛋白质数据的定位预测。
-
关键词
支持向量机算法
朴素贝叶斯算法
决策树算法
随机森林算法
大豆蛋白质
完全随机缺失
序列位置预测
-
Keywords
Support Vector Machines algorithm
Naive Bayesian algorithm
Decision Tree algorithm
Random Forest algorithm
soybean protein
completely random missing
sequence position prediction
-
分类号
S565.1
[农业科学—作物学]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
