计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2007年
16期
228-230,237
,共4页
丁彦蕊%蔡宇杰%孙俊%须文波
丁彥蕊%蔡宇傑%孫俊%鬚文波
정언예%채우걸%손준%수문파
氨基酸含量%SVM KNN%蛋白质耐热性
氨基痠含量%SVM KNN%蛋白質耐熱性
안기산함량%SVM KNN%단백질내열성
以氨基酸含量为特征向量,研究了SVM和KNN预测蛋白质耐热性的准确度.结果表明,基于SVM的分类效果较好,其局部预测率和全局预测率分别为82.4%和83.4%;而基于KNN方法的局部预测率和全局预测率分别为77.6%和79.9%.两种方法的预测率均表明氨基酸含量是影响蛋白质耐热性的主要因素.
以氨基痠含量為特徵嚮量,研究瞭SVM和KNN預測蛋白質耐熱性的準確度.結果錶明,基于SVM的分類效果較好,其跼部預測率和全跼預測率分彆為82.4%和83.4%;而基于KNN方法的跼部預測率和全跼預測率分彆為77.6%和79.9%.兩種方法的預測率均錶明氨基痠含量是影響蛋白質耐熱性的主要因素.
이안기산함량위특정향량,연구료SVM화KNN예측단백질내열성적준학도.결과표명,기우SVM적분류효과교호,기국부예측솔화전국예측솔분별위82.4%화83.4%;이기우KNN방법적국부예측솔화전국예측솔분별위77.6%화79.9%.량충방법적예측솔균표명안기산함량시영향단백질내열성적주요인소.