• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《南京航空航天大学学报》 >基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测

基于加权朴素贝叶斯分类器和极端随机树的蛋白质接触图预测

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

提出一个新的基于集成学习的预测器(TargetPCM ) ,对蛋白质接触图(特别是中长程)进行高精度的预测.首先,TargetPCM 使用加权朴素贝叶斯分类器(Weighted Na?ve Bayes classifier ,WNBC)融合3个接触图预测器的输出,其中WNBC中的权重参数通过粒子群算法优化得到;其次,将WNBC融合后的输出和基于序列的特征进行组合,得到更具鉴别能力的特征;在此基础上,应用极端随机树训练得到最终的蛋白质接触图预测模型.为了验证TargetPCM的有效性,在包含98个非冗余蛋白质的数据集上进行了测试.结果表明:对于短程、中程和长程接触,TargetPCM 的Top L／5精度比现有最好的集成预测器(NeBcon)分别提高了8 .2% ,16 .1% 和5 .3% .在CASP11上进一步的验证表明,对于短程、中程和长程接触,TargetPCM 的 Top L／5精度比现有最好的基于协同进化的集成预测器(MetaPSICOV)分别提高了7 .4% ,9 .1% 和7 .5% .实验结果验证了本文所提蛋白质接触图预测方法的有效性.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号