计算机与应用化学
計算機與應用化學
계산궤여응용화학
COMPUTERS AND APPLIED CHEMISTRY
2012年
2期
142-146
,共5页
主成分分析法%SVM算法%网格搜索%网络特征
主成分分析法%SVM算法%網格搜索%網絡特徵
주성분분석법%SVM산법%망격수색%망락특정
通过比较嗜热菌和常温菌代谢网络的特征参数,可以从系统角度确定微生物嗜热性的主要因素.本文首先利用主成分分析法对22个网络特征进行相关性分析,根据特征值、载荷值的大小最终选择了11个主要网络特征;用选出的这11个网络特征组成特征向量,利用支持向量机构建分类器,对嗜热菌和常温菌进行分类,其全局平均预测率为82.93％,对常温菌和嗜热菌的平均预测率分别为87.86％和72.40％.结果表明利用主成分分析法选择的网络特征可以很好的表征嗜热菌和常温菌的耐热性,因此簇大小分布的平均信息等11个网络特征是影响微生物耐热性的关键的代谢网络特征因素.
通過比較嗜熱菌和常溫菌代謝網絡的特徵參數,可以從繫統角度確定微生物嗜熱性的主要因素.本文首先利用主成分分析法對22箇網絡特徵進行相關性分析,根據特徵值、載荷值的大小最終選擇瞭11箇主要網絡特徵;用選齣的這11箇網絡特徵組成特徵嚮量,利用支持嚮量機構建分類器,對嗜熱菌和常溫菌進行分類,其全跼平均預測率為82.93％,對常溫菌和嗜熱菌的平均預測率分彆為87.86％和72.40％.結果錶明利用主成分分析法選擇的網絡特徵可以很好的錶徵嗜熱菌和常溫菌的耐熱性,因此簇大小分佈的平均信息等11箇網絡特徵是影響微生物耐熱性的關鍵的代謝網絡特徵因素.
통과비교기열균화상온균대사망락적특정삼수,가이종계통각도학정미생물기열성적주요인소.본문수선이용주성분분석법대22개망락특정진행상관성분석,근거특정치、재하치적대소최종선택료11개주요망락특정;용선출적저11개망락특정조성특정향량,이용지지향량궤구건분류기,대기열균화상온균진행분류,기전국평균예측솔위82.93％,대상온균화기열균적평균예측솔분별위87.86％화72.40％.결과표명이용주성분분석법선택적망락특정가이흔호적표정기열균화상온균적내열성,인차족대소분포적평균신식등11개망락특정시영향미생물내열성적관건적대사망락특정인소.
