计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
31期
182-184
,共3页
剪接位点识别%机器学习%概率统计特征
剪接位點識彆%機器學習%概率統計特徵
전접위점식별%궤기학습%개솔통계특정
依据剪接位点附近存在的序列保守性出现了多种机器学习识别方法,如基于统计概率的方法、基于隐马尔可夫模型(Hidden Markov Model,HMM)的方法和基于支持向量机(Support Vector Machines,SVM)的方法等,这些方法识别精度较高,但算法过程复杂.基于剪接位点附近碱基之间的相关性和统计特征,构造了一种固定位点上碱基间的网络结构图,并在此网络结构图的基础上提出了基于概率统计特征的剪接位点识别计算公式,利用N269数据库对识别方法和其他传统方法的性能进行了比较.实验结果表明,基于概率统计特征的方法预测人类的剪接位点,有较好的预测效果,与其他的一些算法相比,表现出参数少,精度高等优点.
依據剪接位點附近存在的序列保守性齣現瞭多種機器學習識彆方法,如基于統計概率的方法、基于隱馬爾可伕模型(Hidden Markov Model,HMM)的方法和基于支持嚮量機(Support Vector Machines,SVM)的方法等,這些方法識彆精度較高,但算法過程複雜.基于剪接位點附近堿基之間的相關性和統計特徵,構造瞭一種固定位點上堿基間的網絡結構圖,併在此網絡結構圖的基礎上提齣瞭基于概率統計特徵的剪接位點識彆計算公式,利用N269數據庫對識彆方法和其他傳統方法的性能進行瞭比較.實驗結果錶明,基于概率統計特徵的方法預測人類的剪接位點,有較好的預測效果,與其他的一些算法相比,錶現齣參數少,精度高等優點.
의거전접위점부근존재적서렬보수성출현료다충궤기학습식별방법,여기우통계개솔적방법、기우은마이가부모형(Hidden Markov Model,HMM)적방법화기우지지향량궤(Support Vector Machines,SVM)적방법등,저사방법식별정도교고,단산법과정복잡.기우전접위점부근감기지간적상관성화통계특정,구조료일충고정위점상감기간적망락결구도,병재차망락결구도적기출상제출료기우개솔통계특정적전접위점식별계산공식,이용N269수거고대식별방법화기타전통방법적성능진행료비교.실험결과표명,기우개솔통계특정적방법예측인류적전접위점,유교호적예측효과,여기타적일사산법상비,표현출삼수소,정도고등우점.
