SVM的参数优化及在耐热酶和常温酶分类中的应用

首页 > 过刊浏览>2010年第29卷第2期 >312-316

SVM的参数优化及在耐热酶和常温酶分类中的应用
DOI:
                        
                    
作者:
                        
                        
                    
作者单位:
作者简介:
通讯作者:
中图分类号:
基金项目:江南大学创新团队基金项目(JNIRT0702);江南大学自然科学预研基金项目

Parameters Optimization of Support Vector Machine for Discriminating Thermophilic and Mesophilic Enzyme

Author:

Affiliation:

Fund Project:

摘要

图/表

访问统计

参考文献

相似文献

引证文献

资源附件

文章评论

摘要:

氨基酸的组成是影响蛋白质耐热性的主要因素之一,所以以20种氨基酸所占比例作为特征向量,利用支持向量机(Support vector machine,SVM)预测蛋白质的耐热性。在比较了几何方法、SVM-KNN和重复训练3种参数优化的方法之后,从中选择了几何方法来优化SVM分类器的参数,并使预测率从85.4%提高到88.2%。从预测率上可知:(1)几何方法优化SVM参数可以有效地提高预测率;(2)氨基酸含量与酶的耐热性之间存在极强的相关性。

Abstract:

It was widely accepted that amino acid composition play vital role on the protein thermostability.In this manuscript,20-amino acid composition in their protein sequence was chosen as the feature vector of SVM and used to predict the protein thermostability by SVM.the accuracy increased from 85.4% to 88.2% by using the geometrical method to optimize SVM parameter.Furthermore,it could be acquired following conclusions:(1) geometrical method is an efficient method to improve the accuracy of SVM parameters;.(2) there is a very close relationship between percentage of amino acid and enzyme thermostability.

参考文献

相似文献

引证文献

引用本文

张正阳,须文波,丁彦蕊. SVM的参数优化及在耐热酶和常温酶分类中的应用[J].食品与生物技术学报,2010,29(2):312-316.

ZHANG Zheng-yang, XU Wen-bo, DING Yan-rui. Parameters Optimization of Support Vector Machine for Discriminating Thermophilic and Mesophilic Enzyme[J]. Journal of Food Science and Biotechnology,2010,29(2):312-316.

复制

文章指标

点击次数:
下载次数:
HTML阅读次数:
引用次数:

历史

收稿日期:
最后修改日期:
录用日期:
在线发布日期: 2014-06-17
出版日期:

地址：江苏省无锡市蠡湖大道1800号邮政编码：214122

电话：0510-85913526 电子邮件：xbbjb@jiangnan.edu.cn

技术支持：北京勤云科技发展有限公司

引用本文

分享

文章指标

历史

微信公众号二维码

手机版网站二维码