-
题名基于KPCA及SVM的蛋白质O-糖基化位点的预测
被引量：4
- 1
-
-
作者
杨雪梅
苏祯
-
机构
咸阳师范学院数学与信息科学学院
西南财经大学国际商学院
-
出处
《科学技术与工程》
北大核心
2013年第25期7371-7376,共6页
-
基金
陕西省教育厅2013年度科学研究计划项目(2013JK1125)资助
-
文摘
为了提高蛋白质O-糖基化位点的预测准确率,提出了把核主成分分析(KPCA)与支持向量机(SVM)相结合的方法。实验样本用稀疏编码方式编码,窗口长度为21。首先,用核主成分分析提取了样本的核主成分(特征);然后,在特征空间中用改进的支持向量机(ISVM)进行分类(预测)。在使用支持向量机分类时,设置了一个边界系数αc来减少运算的复杂度。实验结果表明,使用KPCA+ISVM的方法预测的效果优于PCA+SVM的预测效果。预测准确率为87%。更进一步,用不同长度的样本做实验(w=5,7,9,11,21,31,41,51),使用多数投票法综合各子分类器的优势。结果表明,组合分类器的预测准确率优于子分类器的预测准确率,预测准确率为88%。
-
关键词
预测蛋白质
核主成分分析
改进的支持向量机
组合分类器
-
Keywords
prediction protein kernel principal componentchines （Isvm） ensemble classifieranalysis （KPCA）improved support vector ma-
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名多源检测数据融合的变压器故障诊断模型
被引量：5
- 2
-
-
作者
吴琼
崔昊杨
周坤
许永鹏
-
机构
上海电力大学电子与信息工程学院
云南电网有限责任公司大理供电局
上海交通大学电子信息与电气工程学院
-
出处
《现代电子技术》
2022年第1期181-186,共6页
-
基金
国家自然科学基金项目(61107081)
上海市地方能力建设项目(15110500900)。
-
文摘
针对变压器的红外热像、油气数据等多源状态检测数据不平衡(即数据缺失、数据不对称、数据较少)导致支持向量机学习模型欠拟合、准确率低下,以及传统三比值法阈值绝对导致了其在故障现象叠加时不能全面诊断出故障真实状况的不足,提出了多源检测数据融合的变压器故障诊断模型。该模型首先采取了高斯核和Sigmoid核组合,以及多分类器的方式对SVM进行改进,即利用改进组合核多分类器SVM对变压器油气数据进行诊断,达到解决故障现象叠加的问题,进而得出油气诊断结果;然后利用改进故障树模型对红外检测图像进行分析,即通过分析变压器的关键部件的温度值进行诊断,得出温度诊断结果;最后,通过贝叶斯决策融合诊断模型对油气诊断结果和温度诊断结果进行决策级融合,得出最终的故障诊断结果。实验结果表明,所设计方法诊断准确率比SVM、三比值法以及SVM最新改进方法 PSO-SVM分别提高了9.2%,6.3%,6.5%。
-
关键词
变压器故障诊断
多源数据融合
融合诊断
改进组合核多分类器svm
贝叶斯决策
改进故障树模型
红外热像
-
Keywords
transformer fault diagnosis
multi-source data fusion
fusion diagnosis
improved combined kernel multi-classifier svm
Bayesian decision
improved fault tree model
infrared thermal image
-
分类号
TN606-34
[电子电信—电路与系统]
TM411
[电气工程—电器]
-
