Support vector machines; Interpolation; Simulation; Conferences; Classification algorithms; Artificial intelligence;
机译:基于基于内分泌粒子群优化和人工蜂群算法的混合进化算法的支持向量机支持的医学数据集分类
机译:通过随机欠下抽样通过集合SVM提高细胞凋亡蛋白的亚细胞定位预测
机译:通过使用随机欠采样增强SVM来改善蛋白质-ATP结合残基的预测
机译:基于自举的过采样和欠采样对SVM和迭代FSVM分类器的性能评估
机译:投票最近的邻居:基于K-Indect邻居的SVM约束选择算法
机译:MD-SVM:一种基于SVM的新颖算法用于转录因子结合位点的基序发现
机译:图4:(a)一种保守序列,其发生在芯片-SEQ数据集中的46,264个结合位点峰值中的79倍。说明了这种保守序列的突变分布,其中'_'表示该碱度不变; del表示此基础丢失; INS X表示新的基础X插入此基础前面。 (b)列出了几种重复的元素模式。 (c)在第一栏中,示出了由MEME芯片工具(Machanick&Bailey,2011)开采的前五个DNA主题。由CFSP算法发现的相应保守序列列于第二列中。在第三列中,列出了从突变信息转换的特定位置的评分矩阵。 MEME主题与PSSM格式的相似性与PSSM格式之间的相似性通过邮票图章比较工具(Mahony&Benos,2007)计算。这些对相似性的电子值显示在第四列中。 (d)在由GKMSVM描述符聚集的每个组中选择了一个图案,下面列出了CFSP算法的相应主题。 (e)从https://www.encodeproject.org收集的,有附加数据集(文件no:cernff100grl,cenf616irl,conf8.20cer,target:srebf1)。使用MEME工具在每个文件中选择前两个图案,并且我们的算法发现的相应主题如下所示。