智能计算机与应用
智能計算機與應用
지능계산궤여응용
Computer Study
2012年
4期
31-34
,共4页
车凯%郭茂祖%刘晓燕%滕志霞
車凱%郭茂祖%劉曉燕%滕誌霞
차개%곽무조%류효연%등지하
样本选择%植物抗性基因%分类
樣本選擇%植物抗性基因%分類
양본선택%식물항성기인%분류
植物抗性基因识别中的从头预测方法可以看作机器学习中的分类问题.通常情况下,一个分类器的训练需要正确标记的正例和反例.然而,抗性基因识别中可用的信息仅有少数人工标记的抗性基因,且不具有抗性功能的基因也不明确.为了消除由于正例太少和错误的反例带来的抗性基因识别的影响,基于抗性基因和其他基因在蛋白质相互作用网中的距离,提出了一种新的样本选择方法,并对提出的样本选择方法和通常样本选择方法分别在四种分类器上进行了10倍交叉验证.结果表明,文中方法的SN值平均提高了6.9％,SP值平均提高了13.1％.因此,就敏感性和特异性而言,提出的方法获得了更高效、更可靠的结果.
植物抗性基因識彆中的從頭預測方法可以看作機器學習中的分類問題.通常情況下,一箇分類器的訓練需要正確標記的正例和反例.然而,抗性基因識彆中可用的信息僅有少數人工標記的抗性基因,且不具有抗性功能的基因也不明確.為瞭消除由于正例太少和錯誤的反例帶來的抗性基因識彆的影響,基于抗性基因和其他基因在蛋白質相互作用網中的距離,提齣瞭一種新的樣本選擇方法,併對提齣的樣本選擇方法和通常樣本選擇方法分彆在四種分類器上進行瞭10倍交扠驗證.結果錶明,文中方法的SN值平均提高瞭6.9％,SP值平均提高瞭13.1％.因此,就敏感性和特異性而言,提齣的方法穫得瞭更高效、更可靠的結果.
식물항성기인식별중적종두예측방법가이간작궤기학습중적분류문제.통상정황하,일개분류기적훈련수요정학표기적정례화반례.연이,항성기인식별중가용적신식부유소수인공표기적항성기인,차불구유항성공능적기인야불명학.위료소제유우정례태소화착오적반례대래적항성기인식별적영향,기우항성기인화기타기인재단백질상호작용망중적거리,제출료일충신적양본선택방법,병대제출적양본선택방법화통상양본선택방법분별재사충분류기상진행료10배교차험증.결과표명,문중방법적SN치평균제고료6.9％,SP치평균제고료13.1％.인차,취민감성화특이성이언,제출적방법획득료경고효、경가고적결과.
