系统工程与电子技术
繫統工程與電子技術
계통공정여전자기술
SYSTEMS ENGINEERING AND ELECTRONICS
2010年
6期
1318-1324
,共7页
关联分类%蛋白质二级结构预测%数据库中的知识发现%复合金字塔模型
關聯分類%蛋白質二級結構預測%數據庫中的知識髮現%複閤金字塔模型
관련분류%단백질이급결구예측%수거고중적지식발현%복합금자탑모형
蛋白质二级结构预测是公认的生物信息学领域的国际性难题.以基于内在认知机理的知识发现理论(knowledge discovery theory based on inner cognitive mechanism,KDTICM)理论的扩展性研究与数据库中的知识发现(knowledge discovery in database*,KDD*)模型为基础,提出一种基于结构序列的多分类算法--SAC(structural association classification),可以有效地解决蛋白质二级结构预测问题.该算法借助设定支持度阈值的精化知识库的方法,其预测准确率能够超过85%.以该算法为核心,构建了一个蛋白质二级预测模型--复合金字塔模型.实验证明,在RS126、CB513、ILP数据集上的预测准确率均超过80%,超过目前已知的国际主流水平.
蛋白質二級結構預測是公認的生物信息學領域的國際性難題.以基于內在認知機理的知識髮現理論(knowledge discovery theory based on inner cognitive mechanism,KDTICM)理論的擴展性研究與數據庫中的知識髮現(knowledge discovery in database*,KDD*)模型為基礎,提齣一種基于結構序列的多分類算法--SAC(structural association classification),可以有效地解決蛋白質二級結構預測問題.該算法藉助設定支持度閾值的精化知識庫的方法,其預測準確率能夠超過85%.以該算法為覈心,構建瞭一箇蛋白質二級預測模型--複閤金字塔模型.實驗證明,在RS126、CB513、ILP數據集上的預測準確率均超過80%,超過目前已知的國際主流水平.
단백질이급결구예측시공인적생물신식학영역적국제성난제.이기우내재인지궤리적지식발현이론(knowledge discovery theory based on inner cognitive mechanism,KDTICM)이론적확전성연구여수거고중적지식발현(knowledge discovery in database*,KDD*)모형위기출,제출일충기우결구서렬적다분류산법--SAC(structural association classification),가이유효지해결단백질이급결구예측문제.해산법차조설정지지도역치적정화지식고적방법,기예측준학솔능구초과85%.이해산법위핵심,구건료일개단백질이급예측모형--복합금자탑모형.실험증명,재RS126、CB513、ILP수거집상적예측준학솔균초과80%,초과목전이지적국제주류수평.
