期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于随机下采样和SVR的蛋白质-ATP绑定位点预测
被引量：
2
1
作者
余健浩
孙廷凯
《现代电子技术》
北大核心
2015年第4期19-24,共6页
将蛋白质序列的ATP绑定位点与非绑定位点进行分类是个不平衡的二分类问题,其中绑定位点是样本数目稀少的正类样本,非绑定位点是样本数目众多的负类样本。根据机器学习关于可以将分类问题作为回归问题的特例的观点出发,并根据所研究问题...
将蛋白质序列的ATP绑定位点与非绑定位点进行分类是个不平衡的二分类问题,其中绑定位点是样本数目稀少的正类样本,非绑定位点是样本数目众多的负类样本。根据机器学习关于可以将分类问题作为回归问题的特例的观点出发,并根据所研究问题本身的特点,在此提出一种基于随机下采样和支持向量回归的蛋白质-ATP绑定位点预测方法。首先,使用滑动窗口抽取蛋白质序列中每个残基的特征,得到一批不平衡的两类样本;其次,应用随机下采样策略,消除正负样本存在的显著不平衡;最后,使用支持向量回归建立预测模型,并选取合适的阈值进行蛋白质-ATP绑定位点的预测。在标准数据集上的实验结果以及与几种最新报道的预测方法的对比结果,验证了本文所述方法的有效性。
展开更多
关键词
蛋白质-atp绑定位点
位置特异性得分矩阵
滑动窗口
支持向量回归模型
随机下采样
在线阅读
下载PDF
职称材料
基于支持向量机集成的蛋白质与维生素绑定位点预测
2
作者
朱非易
《现代电子技术》
北大核心
2015年第9期90-95,共6页
在蛋白质与维生素绑定位点预测问题中,小类样本和大类样本之间存在显著的不平衡性,传统的机器学习方法将不再适用。针对此问题,在多重随机下采样的基础上结合支持向量机(SVM)集成来预测蛋白质与维生素的绑定位点,采用了一种改进的Ada Bo...
在蛋白质与维生素绑定位点预测问题中,小类样本和大类样本之间存在显著的不平衡性,传统的机器学习方法将不再适用。针对此问题,在多重随机下采样的基础上结合支持向量机(SVM)集成来预测蛋白质与维生素的绑定位点,采用了一种改进的Ada Boost集成方法,称为MAda Boost集成。通过实验比较了不同的集成策略,其中MAda Boost集成效果最优。实验结果表明,采用随机下采样结合SVM集成将有效提高蛋白质维生素绑定位点预测的精度。
展开更多
关键词
蛋白质
-维生素相互作用
绑
定位点
预测
多重随机下采样
SVM集成
ADABOOST算法
在线阅读
下载PDF
职称材料
题名
基于随机下采样和SVR的蛋白质-ATP绑定位点预测
被引量：
2
1
作者
余健浩
孙廷凯
机构
南京理工大学计算机科学与工程学院
出处
《现代电子技术》
北大核心
2015年第4期19-24,共6页
基金
江苏省自然科学基金(BK20141403)
中国博士后特别资助(2014T70526)
文摘
将蛋白质序列的ATP绑定位点与非绑定位点进行分类是个不平衡的二分类问题,其中绑定位点是样本数目稀少的正类样本,非绑定位点是样本数目众多的负类样本。根据机器学习关于可以将分类问题作为回归问题的特例的观点出发,并根据所研究问题本身的特点,在此提出一种基于随机下采样和支持向量回归的蛋白质-ATP绑定位点预测方法。首先,使用滑动窗口抽取蛋白质序列中每个残基的特征,得到一批不平衡的两类样本;其次,应用随机下采样策略,消除正负样本存在的显著不平衡;最后,使用支持向量回归建立预测模型,并选取合适的阈值进行蛋白质-ATP绑定位点的预测。在标准数据集上的实验结果以及与几种最新报道的预测方法的对比结果,验证了本文所述方法的有效性。
关键词
蛋白质-atp绑定位点
位置特异性得分矩阵
滑动窗口
支持向量回归模型
随机下采样
Keywords
protein
-atp
binding locus
position specific scoring matrix
sliding window
SVR model
random under-sampling
分类号
TN911-34 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于支持向量机集成的蛋白质与维生素绑定位点预测
2
作者
朱非易
机构
南京理工大学计算机科学与工程学院
出处
《现代电子技术》
北大核心
2015年第9期90-95,共6页
基金
江苏省自然科学基金-面上项目:面向蛋白质生物计算的特征抽取及动态学习模型研究(BK20141403)
文摘
在蛋白质与维生素绑定位点预测问题中,小类样本和大类样本之间存在显著的不平衡性,传统的机器学习方法将不再适用。针对此问题,在多重随机下采样的基础上结合支持向量机(SVM)集成来预测蛋白质与维生素的绑定位点,采用了一种改进的Ada Boost集成方法,称为MAda Boost集成。通过实验比较了不同的集成策略,其中MAda Boost集成效果最优。实验结果表明,采用随机下采样结合SVM集成将有效提高蛋白质维生素绑定位点预测的精度。
关键词
蛋白质
-维生素相互作用
绑
定位点
预测
多重随机下采样
SVM集成
ADABOOST算法
Keywords
protein-vitamin interaction
binding site prediction
multiple random sampling
SVM ensemble
AdaBoost al-gorithm
分类号
TN911-34 [电子电信—通信与信息系统]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于随机下采样和SVR的蛋白质-ATP绑定位点预测
余健浩
孙廷凯
《现代电子技术》
北大核心
2015
2
在线阅读
下载PDF
职称材料
2
基于支持向量机集成的蛋白质与维生素绑定位点预测
朱非易
《现代电子技术》
北大核心
2015
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
