-
题名基于自相关系数和PseAAC的蛋白质结构类预测
被引量：4
- 1
-
-
作者
张燕平
查永亮
赵姝
杜秀全
-
机构
安徽大学计算机科学与技术学院
安徽大学计算智能和信号处理教育部重点实验室
-
出处
《计算机科学与探索》
CSCD
2014年第1期103-110,共8页
-
基金
国家自然科学基金Nos.61073117
61175046
+1 种基金
61203290
安徽大学博士科研启动经费No.33190078~~
-
文摘
传统的预测方法在构造特征向量时只考虑了氨基酸的组成,而自相关系数不仅能够很好地反映序列中氨基酸的位置信息,而且考虑了序列内部不同位置的氨基酸间的相互影响。设计了一种将氨基酸组成和自相关系数相结合的方法来构造特征向量;在Chou提出的伪氨基酸组成模型(pseudo-amino acid composition,PseAAC)的基础上,通过扩展信息重新构造了伪氨基酸组成模型,并将其与自相关系数组合在一起来构造特征向量。分别使用两种方法编码,选用支持向量机作为预测工具,在数据集Z277、Z498以及独立测试集D138上进行了若干实验,对比结果显示,新方法比传统的氨基酸组成方法的准确率分别平均提高了7.43%和8.53%,证明了新方法是有效的。
-
关键词
蛋白质结构类预测
自相关系数
伪氨基酸组成(PseAAC)
支持向量机(SVM)
-
Keywords
protein structure class prediction
autocorrelation coefficient
pseudo-amino acid composition （PseAAC）
support vector machine （SVM）
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名结合全局与双重局部信息的社交推荐
被引量：3
- 2
-
-
作者
钱付兰
李启龙
-
机构
安徽大学计算机科学与技术学院
安徽大学计算智能和信号处理教育部重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2016年第2期57-59,94,共4页
-
基金
安徽大学2014年本科生创新创业项目(201410357036)
安徽大学"211工程"三期第三批杰出青年科学研究培育基金(KJQN1116)资助
-
文摘
随着Web2.0的飞速发展,社交推荐逐渐成为推荐领域近几年的研究热点。如何更有效地利用用户的社交关系是社交推荐的关键,目前的社交推荐算法主要引入的是用户之间的直接联系(明确关系)。将社交关系进一步细分为明确关系和隐含关系,并结合历史评分得到的用户声誉信息刻画了由用户全局信息(声誉)与局部信息(明确关系和隐含关系)所构成的推荐系统框架。与现有的社交推荐算法相比,所提出的算法更全面地分析了用户的社交关系,且具有良好的可解释性。在Douban数据集和Epinions数据集上进行了实验,并将本算法与主流的推荐算法进行了比较,结果表明本算法具有更好的推荐精度。
-
关键词
社交推荐
矩阵分解
声誉
隐含关系
-
Keywords
Social recommendation
Matrix factorization
Reputation
Implicit relation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
