人工神经网络和支持向量机在剪接位点识别上的应用
被引量:1
摘要
将人工神经网络和支持向量机应用于剪接位点的识别中,并用标准测试数据集进行了5倍率交叉验证,测试结果显示人工神经网络和支持向量机对剪接位点的识别效果优于目前广泛使用的权阵列模型。
出处
《科技资讯》
2007年第22期215-216,共2页
Science & Technology Information
参考文献6
-
1刘华富.基于模糊支持向量机的Web挖掘[J].计算机工程与应用,2007,43(10):189-190. 被引量:1
-
2朱志宇,张冰,刘维亭.基于模糊支持向量机的语音识别方法[J].计算机工程,2006,32(2):180-182. 被引量:12
-
3[5]Rogic S,Mackworth A K,Ouellette B F F.Evaluation of gene-finding programs on mammalian sequences.Genome Res.2001,11:817-832.
-
4[6]Mathe C,Sagot M F,Schiex T,et al.Current methods of gene prediction,their strengths and weaknesses.Nucleic Acids Res.2002,30(19):4103-4117.
-
5[7]Burge C,Karlin S.Prediction of complete gene structures in human genomic DNA.J.Mol.Biol.1997,268:78-94.
-
6[8]Chang CC,Lin CJ.(2001) http://www.csie.ntu.edu.tw/_cjlin/libsvm.
二级参考文献14
-
1傅向华,冯博琴,马兆丰,韩冰.基于核方法的Web挖掘研究[J].小型微型计算机系统,2005,26(5):727-731. 被引量:3
-
2VapikVN 张学工译.统计学习理论的本质[M].北京:清华大学出版社,2000..
-
3Inoue T, Abe S. Fuzzy Support Vector Machine for Pattern Classification [C]. Proc. of IJCNN, Washington, 2001: 1449-1455.
-
4Scholkopf B,Burges J C,Smola A J.Advances in kernel methods support vector learning[M].Cambridge,MA:MIT Press,1999.
-
5Takagi T,Sugeno M.Fuzzy identification of systems and its applications to modeling and control[J].IEEE Trans Syst,Man,and Cybern,1985,SMC-15 (1):116-132.
-
6Joachims T.Learing to classify text using support vector machines:methods,theory,and algorithms[M].Cambridge:Kluwer Academic,2002.
-
7Joachims T.Text categorization with support vector machines[C]//Proceedings of European Conference on Machine Learning(ECML),1998.
-
8Vapnik.V N.The nature of statistical learning theory[M].New York:Spriuger-Verlag,1995.
-
9史笑兴,顾明亮,王太君,何振亚.一种时间规整算法在神经网络语音识别中的应用[J].东南大学学报(自然科学版),1999,29(5):47-51. 被引量:9
-
10胡寿松,王源.基于支持向量机的非线性系统故障诊断[J].控制与决策,2001,16(5):617-620. 被引量:42
共引文献11
-
1王胜春,韩捷,李志农,李剑峰.基于模糊域和支持向量机的故障诊断方法[J].山东大学学报(工学版),2006,36(6):116-120. 被引量:2
-
2万旺根,常辽豫,余小清,崔滨,刘晗.音频信息检索研究现状与发展趋势[J].上海大学学报(自然科学版),2007,13(4):363-370. 被引量:3
-
3路远,吴清江.基于模糊支持向量机的步态身份识别研究[J].福建电脑,2009,25(1):81-82.
-
4郭月玲,张雪英,白静.基于支持向量机的语音识别研究[J].电脑开发与应用,2009,22(3):12-13. 被引量:2
-
5罗柏文,夏毅敏,樊宏亮,韩振兴,宋子辉.基于模糊支持向量回归算法的微地形异常值剔除研究[J].金属矿山,2009,38(10):122-125. 被引量:1
-
6伊鑫,李辉,冯剑川.基于遗传优化SVM的通信信号的分类[J].信息化研究,2010,36(3):49-51. 被引量:3
-
7陈婷,罗景青.粗糙集和FSVM结合的雷达信号识别法[J].火力与指挥控制,2010,35(6):76-80. 被引量:1
-
8陈瑶玲,杨鉴,陈江,徐永华.基于支持向量机的语种识别[J].信息技术,2010,34(6):32-34. 被引量:2
-
9崔林林,罗毅,包安明.NWFE结合纹理特征的SVM土地覆被分类方法研究[J].国土资源遥感,2012,24(1):36-42. 被引量:6
-
10邢玉娟,李恒杰,张成文,王万军.基于MVR隶属度的多级FSVM语音情感识别[J].重庆理工大学学报(自然科学),2012,26(10):66-71.
同被引文献17
-
1范艳峰,徐朝辉.基于聚类遗传算法的神经网络规则抽取及应用[J].计算机工程与应用,2006,42(23):225-228. 被引量:2
-
2赵林,杨保安,谢志鸣.一种新的基于结构的神经网络规则抽取方法[J].计算机应用与软件,2007,24(6):28-29. 被引量:2
-
3TICKLE A B,ANDREWS R.The Truth will Come to Light:Directions and Challenges in Extracting the Knowledge Embedded within Trained Artificial Neural Networks[J].IEEE Transactions on Neural Networks,1998,9(6):1057-1068.
-
4SETIONO R.Extracting Rules from Neural Networks by Pruning and Hidden-Unit Splitting[J].Neural Computation,1997,9(1):205-225.
-
5SETIONO R.A Penalty Function Approach for Pruning Feedforward Neural Networks[J].Neural Computation,1997,9(1):195-204.
-
6TOWELL G G,SHAVLIK J W.Extracting Refined Rules from Knowledge-Based Neural Networks[J].Machine Learning,1993,13(1):71-101.
-
7LANG K J,WITBROCK M J.Learning to Tell Two Spirals Apart[C]∥Proceeding of the 1988 Connectionist Summer School.San Mateo,CA:Morgan Kaufmann,1988:52-59.
-
8OOYEN A VAN.Improving the Covergence of the Back-Propagation Algorithm[J].Neural Networks,1992(5):465-471.
-
9DHILLON I S,GUAN Y,KULIS B.Kernel K-Means:Spectral Clustering and Normalized Cuts[C]∥Proceeding of the 10th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.New York,USA:ACM,2004:551-556.
-
10徐义峰,陈春明,徐云青.一种改进的k-均值聚类算法[J].计算机应用与软件,2008,25(3):275-277. 被引量:41
二级引证文献4
-
1钟毅,刘桂霞,郑明,沈威,赖丽娜,周春光.基于AP算法支持向量机的设计与应用[J].吉林大学学报(理学版),2011,49(5):906-910. 被引量:3
-
2刘树海,郑传涛,徐琳,宋宏伟.基于恒电流源的电阻式气敏传感器检测系统[J].吉林大学学报(信息科学版),2012,30(4):376-380. 被引量:10
-
3张强,王春霞,赵健,武龙举,李静永.基于聚类和局部信息的离群点检测算法[J].吉林大学学报(理学版),2012,50(6):1214-1217. 被引量:1
-
4高旭,马迎新,汤小兵,陆小荣.基于Matlab神经网络算法的智能变电站光纤回路自学习及自动设计的研究[J].电力系统保护与控制,2019,47(22):159-167. 被引量:10
-
1孙波,李小霞,李铖果.基于模糊支持向量机的剪接位点识别[J].计算机应用,2011,31(4):1117-1120. 被引量:2
-
2吕佳,彭勤科.基于快速傅里叶变换的剪接特征提取[J].北京理工大学学报,2014,34(2):207-210. 被引量:3
-
3李绍燕,邓伟.一种基于概率统计特征的剪接位点识别方法[J].计算机工程与应用,2011,47(31):182-184. 被引量:2
-
4周雄.多尺度组分特征和位点关联特征相融合的剪接位点识别[J].计算机工程与应用,2014,50(10):120-123. 被引量:1
-
5张礁石,杨子贤,卢结成.阈值阵列模型下的超阈值随机共振信噪比增益[J].数据采集与处理,2013,28(2):226-230. 被引量:3
-
6薛依铭,孙应飞,倪新明.基于HM-SVM的剪接位点识别[J].微计算机信息,2006,22(12S):240-242. 被引量:1
-
7张礁石,杨子贤,卢结成.阈值阵列模型与超阈值随机共振[J].通信技术,2012,45(7):122-124. 被引量:1
-
8王吉茂,尹平,张慧颖.软件测试用例执行优化研究[J].计算机工程与设计,2013,34(12):4242-4246. 被引量:2
-
9郭烁,朱义胜.Takagi-Sugeno模型在剪接位点识别中的应用[J].大连海事大学学报,2007,33(4):60-64. 被引量:1
-
10赵婧,魏彬,陈明淑,张晓娟.基于神经网络预测的SNP信息的剪接点识别算法研究[J].计算机工程与科学,2016,38(5):885-890.