收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于主动标记支持向量机和太赫兹光谱的转基因物质检测方法研究

潘学文  刘元明  
【摘要】:为克服传统支持向量机需要事先对训练样本进行人为标记的缺点,提出了一种主动训练支持向量机模型。利用仿射传播聚类算法对未标记样本进行聚类分析,在迭代过程中不断更新现有支持向量机的训练数据,从而不仅可以减少人为标记样本所带来的误差,还能够最大限度地提高模型的识别准确率。本文以转基因棉花的太赫兹光谱数据为研究对象对该模型进行了验证,实验结果表明,本文提出的方法对总待测样品的种类的识别率为95.56%,较其他三种方法有较少的误判和更高的识别率。基于仿射传播聚类的支持向量机较传统支持向量机有更高的识别率和更低的误判率,为转基因物质的检测提供了一种快速,无损的新方法。

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 潘学文;刘元明;;基于主动标记支持向量机和太赫兹光谱的转基因物质检测方法研究[J];光电子·激光;2018年10期
2 王栋;孙济洲;李福超;宋婷;;基于并行多类支持向量机的蛋白质结构预测[J];计算机应用研究;2011年02期
3 唐莹莉;何世钧;李煜;谢圣东;;基于小波支持向量机的小鼠脑电波与呼吸的关系[J];中国医学物理学杂志;2015年03期
4 胡磊,乔立安,公衍道,赵南明;利用支持向量机预测II类MHC分子结合多肽[J];生物物理学报;2001年04期
5 陆林英;魏雅卓;崔颖;孙平平;马雅楠;马志强;;基于支持向量机的蛋白质相互作用识别[J];生物信息学;2009年04期
6 丁国辉;孙建强;吴俊芳;黄慎;丁义明;;L_1范数支持向量机在代谢组学中的应用[J];波谱学杂志;2015年01期
7 周春晓;支持向量机方法(SVM)在生物学中的应用[J];中国分子心脏病学杂志;2005年01期
8 武振宇;李康;;支持向量机在基因表达数据分类中的应用研究[J];中国卫生统计;2007年01期
9 章瑶;刘春波;潘丰;;最小二乘Littlewood-Paley小波支持向量机在发酵过程建模中的应用[J];东南大学学报(自然科学版);2008年S2期
10 张焱;冯世强;潘大志;汤强;;川金丝猴亚种的支持向量机分类(SVC)模型研究[J];数理统计与管理;2008年02期
11 李小林;黄世国;;基于K-mer-SVM的piRNA预测[J];福建农林大学学报(自然科学版);2016年02期
12 张洪礼;张娜;王常武;王宝文;刘文远;;含伪结RNA二级结构预测的支持向量机方法[J];小型微型计算机系统;2010年10期
13 徐文韬;叶子弘;俞晓平;;基于支持向量机(SVMs)的人类核心启动子的识别[J];安徽农学通报;2006年13期
14 张同亮;丁永生;;基于二叉树支持向量机的蛋白质结构类预测[J];生物医学工程学杂志;2008年04期
15 郑欣亚;马文丽;陈启龙;郑文岭;;复合编码支持向量机预测蛋白质二级结构[J];微计算机信息;2009年13期
16 王娴,李骜,王明会,冯焕清;基于支持向量机方法的蛋白质氨基酸残基可溶性预测[J];生物物理学报;2005年01期
17 高建召;王奎;胡刚;张华;;用SVM和FFT对膜蛋白功能分类[J];计算机工程与应用;2009年17期
18 崔浩;;一种新颖的识别酶EC编号的计算方法[J];现代计算机(专业版);2018年24期
19 秦殿刚;高松;冯铁男;马成荣;王翼飞;;通过序列编码预测蛋白质相互作用[J];应用科学学报;2009年06期
20 王莹;;用支持向量机算法预测六类酶的亚类[J];才智;2013年27期
中国重要会议论文全文数据库 前10条
1 王国庆;孙雨安;谢冰;丁青竹;;基于金属元素与特定有机组分含量的植物样品支持向量机分类[A];中国化学会第二十五届学术年会论文摘要集(下册)[C];2006年
2 徐继伟;李建中;柳勃;杨昆;;使用支持向量机和改进特征提取方法的蛋白质分类[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
3 周翠松;李梦龙;李益洲;孙李娜;;傅立叶变换和支持向量机用于PDGF家族分类与预测[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
4 敬闰宇;尹辉;李梦龙;孙婧;;Lasso与支持向量机在预测B因子中的应用[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
5 马薇;江澎;陆祖宏;;一种基于支持向量机与位置特征的siRNA效率预测方法[A];第十次中国生物物理学术大会论文摘要集[C];2006年
6 陈婷婷;郭婷婷;李林;安冬;;基于生物信息学的功能蛋白基因序列分类研究[A];2011年全国通信安全学术会议论文集[C];2011年
7 宋晓峰;钱志余;姜斌;;支持向量机SMO算法训练过程分析[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(下册)[C];2007年
8 方亚平;冯毅;李梦龙;;基于一级序列的DNA键和蛋白质的识别[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
9 邹传新;李洪林;;基于序列的蛋白质-DNA相互作用分析与机器学习预测[A];中国化学会第28届学术年会第14分会场摘要集[C];2012年
10 李占潮;周漩;戴宗;邹小勇;;基于连续小波变换和信息论预测G蛋白偶联受体与G蛋白耦合特异性[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
中国博士学位论文全文数据库 前10条
1 杨啸林;蛋白转导域(PTD)的预测及其穿膜功能机制的初步研究[D];中国协和医科大学;2005年
2 王颖;成熟microRNA识别及其功能预测方法研究[D];哈尔滨工程大学;2016年
3 Md.Mehedi Hasan;基于序列信息的两种赖氨酸翻译后修饰位点的预测算法开发[D];中国农业大学;2016年
4 高山;蛋白质点突变效果预测与突变数据库研究[D];南开大学;2010年
5 于晓庆;基于支持向量机的生物数据分析方法研究[D];上海师范大学;2012年
6 史明光;蛋白质相互作用预测方法的研究[D];中国科学技术大学;2009年
7 杨琴;化学计量学在生物信息和代谢组学数据分析中的应用[D];湖南大学;2017年
8 刘利;小干涉RNA沉默效率预测和长非编码RNA表观调控研究[D];内蒙古大学;2014年
9 李凤敏;核蛋白的亚核定位和植物、非植物及小鼠蛋白质的亚细胞定位预测研究[D];内蒙古大学;2007年
10 王杰;数学建模方法在药物化学及大鼠大脑新陈代谢中的应用研究[D];兰州大学;2009年
中国硕士学位论文全文数据库 前10条
1 何万林;支持向量机排序回归方法及其在优化分子对接打分函数的应用[D];浙江大学;2012年
2 向妍;支持向量机用于蛋白质糖基化及磷酸化位点预测研究[D];湖南农业大学;2016年
3 谭显胜;基于支持向量机的蛋白质分类及含氟农药活性预测[D];湖南农业大学;2007年
4 李燕青;基于支持向量机方法的剪接位点预测[D];福建农林大学;2012年
5 高美婷;基于最小二乘支持向量机确定生物组织光学特性参数的研究[D];中国民航大学;2015年
6 白雪;基于神经网络和支持向量机的生物数据分类[D];大连理工大学;2017年
7 刘小菲;支持向量机在DNA数据分析中的应用研究[D];辽宁师范大学;2015年
8 李琴;基于支持向量机和极限学习机的功能位点识别[D];南京农业大学;2015年
9 江培勇;植物miRNA挖掘和靶标预测[D];华中农业大学;2009年
10 郑潇;肌电信号多类特征分析及在步态识别中的应用[D];杭州电子科技大学;2016年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978