版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、從生物醫(yī)學(xué)文獻(xiàn)中抽取蛋白質(zhì)交互作用關(guān)系是二十一世紀(jì)生物醫(yī)學(xué)領(lǐng)域研究的熱點(diǎn)內(nèi)容之一,研究并實(shí)現(xiàn)有效的蛋白質(zhì)交互作用關(guān)系抽取方法是本文的主要研究?jī)?nèi)容。本文在深入研究現(xiàn)有蛋白質(zhì)交互作用關(guān)系抽取方法的基礎(chǔ)上,建立了一種基于支持向量機(jī)(SVM)的蛋白質(zhì)交互關(guān)系抽取模型,并針對(duì)SVM模型在分類(lèi)超平面分類(lèi)精度不高和實(shí)驗(yàn)語(yǔ)料中正負(fù)例數(shù)據(jù)不平衡的問(wèn)題,提出了三種不同的改進(jìn)模型:
(1)SVM與互信息(Mutual Information,M
2、I)組合模型。通過(guò)對(duì)SVM模型的分類(lèi)結(jié)果進(jìn)行分析后發(fā)現(xiàn),SVM和其它統(tǒng)計(jì)分類(lèi)模型一樣,出錯(cuò)樣本點(diǎn)多數(shù)集中在分類(lèi)超平面附近。在SVM和互信息組合算法中,對(duì)于分類(lèi)超平面附近的樣本點(diǎn)通過(guò)計(jì)算樣本點(diǎn)的互信息,然后根據(jù)互信息的值進(jìn)行分類(lèi),對(duì)于距離分類(lèi)超平面較遠(yuǎn)的樣本仍然使用SVM模型分類(lèi)。
(2)修正的SVM-KNN(K Nearest Neighbor,KNN)組合模型。在特征空間中計(jì)算測(cè)試樣本到SVM最優(yōu)分類(lèi)超平面的距離,當(dāng)該距
3、離大于給定的閾值時(shí),使用SVM模型的分類(lèi)結(jié)果作為樣本的最終分類(lèi)結(jié)果,否則使用修正KNN方法對(duì)樣本進(jìn)行分類(lèi),這時(shí),特征空間中所有的點(diǎn)都作為參考點(diǎn),計(jì)算待分類(lèi)樣板到所有參考點(diǎn)的歐式距離,然后將得到的距離排序,找到距離待分類(lèi)樣本點(diǎn)最近的K個(gè)參考點(diǎn),看這K個(gè)參考點(diǎn)的多數(shù)點(diǎn)屬于哪一類(lèi),就將該樣本分為哪一類(lèi)。根據(jù)樣本在特征空間中的不同分布使用不同的方法對(duì)SVM模型的分類(lèi)性能進(jìn)行優(yōu)化。
(3)修正SVM-KNN與互信息組合模型。SVM與
4、互信息組合模型、修正的SVM-KNN模型都取得了不錯(cuò)的效果,因此本文也嘗試將修正的SVM-KNN模型與互信息相結(jié)合。結(jié)合的方法是通過(guò)將得到的互信息值作為SVM模型的一個(gè)特征進(jìn)行訓(xùn)練,然后結(jié)合SVM和修正的KNN算法來(lái)構(gòu)造新的二值分類(lèi)器。對(duì)于分類(lèi)超平面附近的樣本采用修正KNN算法進(jìn)行分類(lèi),對(duì)距分類(lèi)超平面較遠(yuǎn)的樣本點(diǎn)仍然使用SVM模型進(jìn)行分類(lèi)。
本文先對(duì)語(yǔ)料進(jìn)行預(yù)處理,抽取特征,并將抽取的特征轉(zhuǎn)換為二進(jìn)制特征向量,并在此基礎(chǔ)上
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于篇章的蛋白質(zhì)交互關(guān)系抽取.pdf
- 基于遷移學(xué)習(xí)和詞表示的蛋白質(zhì)交互關(guān)系抽取.pdf
- 基于特征向量的蛋白質(zhì)相互作用關(guān)系抽取.pdf
- 基于核函數(shù)與SVD的蛋白質(zhì)關(guān)系抽取.pdf
- 基于機(jī)器學(xué)習(xí)的蛋白質(zhì)相互作用關(guān)系抽取的研究.pdf
- 基于組合學(xué)習(xí)和主動(dòng)學(xué)習(xí)的蛋白質(zhì)關(guān)系抽取.pdf
- 基于SVM和鏈接分析的蛋白質(zhì)關(guān)系抽取系統(tǒng).pdf
- 基于蛋白質(zhì)關(guān)系網(wǎng)絡(luò)的復(fù)合物抽取研究.pdf
- 基于半監(jiān)督和主動(dòng)學(xué)習(xí)的蛋白質(zhì)關(guān)系抽取研究.pdf
- 生物醫(yī)學(xué)文獻(xiàn)中的蛋白質(zhì)相互作用關(guān)系抽取.pdf
- 基于大規(guī)模文本的蛋白質(zhì)交互關(guān)系自動(dòng)提取研究.pdf
- 基于蛋白質(zhì)相互作用網(wǎng)絡(luò)的蛋白質(zhì)功能預(yù)測(cè).pdf
- 基于機(jī)器學(xué)習(xí)的蛋白質(zhì)命名實(shí)體識(shí)別和相互作用關(guān)系抽取的研究.pdf
- 2334.蛋白質(zhì)磷酸化與疾病關(guān)系抽取研究
- 基于文本挖掘的蛋白質(zhì)相互作用對(duì)抽取方法的研究.pdf
- 基于蛋白質(zhì)網(wǎng)絡(luò)與蛋白質(zhì)功能的關(guān)鍵蛋白質(zhì)預(yù)測(cè)研究.pdf
- 基于樹(shù)核的蛋白質(zhì)相互作用關(guān)系提取研究.pdf
- 基于蛋白質(zhì)相互作用加權(quán)網(wǎng)絡(luò)的關(guān)鍵蛋白質(zhì)識(shí)別算法研究.pdf
- 蛋白質(zhì)相互作用
- 從蛋白質(zhì)相互作用網(wǎng)絡(luò)預(yù)測(cè)未知蛋白質(zhì)功能.pdf
評(píng)論
0/150
提交評(píng)論