收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于机器学习的鹅膏属真菌形态特征分类模型研究

李卓识  陈晓旭  温长吉  王娜  林楠  田霞  
【摘要】:针对鹅膏真菌分类的问题,区别于传统人工分类方法操作比较复杂,分类速度慢的问题。从鹅膏属真菌特征形态数据入手,提出基于机器学习算法的一种分类模型。模型前期采用最值归一化的方法对数据进行预处理,其次以支持向量机作为分类器,选择线性函数作为核函数,同时使用交叉验证算法来寻找最优的惩罚系数C,通过混淆矩阵来分析数据分类处理中产生的误差,最后对试验中两种最优核函数的改进混合,使得模型的精准率在一定程度上达到最优。在分类模型中,将15个鹅膏属真菌的形态特征作为分类依据,并且给予相关属种的分类指标。在将数据进行相关要求划分后,将数据分为训练集和测试集,用训练集数据进行分类模型的建立,测试集数据验证其分类精准度。通过试验得出最后测试模型的精准度达到91.43%,训练模型的测试得分达到97.59%,在进行核函数的混合改进后测试模型的精准度以及训练模型的精准度都达到100%。

知网文化
【相似文献】
中国期刊全文数据库 前17条
1 李华祥;;模糊集合理论在化学中的应用Ⅱ——食物的化学特征分类(英文)[J];湛江水产学院学报;1991年01期
2 高振斌;;基于最小二乘支持向量机微阵列基因特征分类[J];计算机应用与软件;2019年08期
3 王蕊;牟少敏;曹学成;苏平;;核机器学习方法及其在生物信息学中的应用[J];山东农业大学学报(自然科学版);2012年03期
4 陈方圆;周鑫;陈奕云;王奕涵;刘会增;王俊杰;邬国锋;;不同核函数支持向量机和可见-近红外光谱的多种植被叶片生化组分估算[J];光谱学与光谱分析;2019年02期
5 李金城;廖奇;沈其君;;机器学习方法在基因功能注释中的应用[J];中国生物化学与分子生物学报;2016年05期
6 王璿;张法;陈伟;;融合多机器学习方法的siRNA在线设计系统[J];燕山大学学报;2015年05期
7 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
8 张祖勇;孙龙清;;基于支持向量机的miRNA预测方法研究[J];中国科技信息;2008年20期
9 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
10 彭寅斌;刘林翰;;鹅膏属一新种[J];微生物学报;1981年02期
11 李宗菊;张微思;张志国;程霞;曹杰;;鹅膏属种群分布格局研究[J];中国食用菌;2007年03期
12 于亚平;;吉林省产鹅膏科的初步研究[J];东北师大学报(自然科学版);1983年01期
13 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
14 刘建强,张志光,蒋盛岩;新卵状鹅膏中毒事件调查及毒素含量分析初报[J];生命科学研究;2001年03期
15 周敏姑;剧飞儿;孙振豪;许景辉;;干旱胁迫状态下植物电信号特征分析与研究[J];西安理工大学学报;2019年03期
16 倪青山;王正志;王广云;强波;;基于局部支持向量机的蛋白质相互作用的预测方法[J];生物医学工程研究;2008年02期
17 图力古尔;王玉玲;王建瑞;刘宇;;山东鹅膏记述[J];菌物研究;2011年03期
中国重要会议论文全文数据库 前10条
1 罗宏;杨祝良;Jonathan D.Walton;;多基因组在鹅膏研究中的应用[A];中国菌物学会第七届全国会员代表大会暨2017年学术年会摘要集[C];2017年
2 罗宏;杨祝良;Jonathan D.Walton;;鹅膏的多基因组研究进展[A];中国菌物学会2018年学术年会论文汇编[C];2018年
3 蔡箐;唐丽萍;杨祝良;;鹅膏科真菌的分子系统发育研究[A];中国菌物学会2015年学术年会论文摘要集[C];2015年
4 李方;邓春英;雷宇;宋斌;;广东黑石顶自然保护区的鹅膏属真菌[A];中国菌物学会2009学术年会论文摘要集[C];2009年
5 杨祝良;蔡箐;崔杨洋;;鹅膏科的系统发育与进化[A];中国菌物学会第七届全国会员代表大会暨2017年学术年会摘要集[C];2017年
6 崔杨洋;蔡箐;杨祝良;;鹅膏科的系统学及我国该科的属种多样性[A];中国菌物学会2018年学术年会论文汇编[C];2018年
7 崔杨洋;蔡箐;杨祝良;;中国鹅膏属的22个新种[A];中国菌物学会2015年学术年会论文摘要集[C];2015年
8 李鹏;邓旺秋;宋斌;;广东省鹅膏菌种类[A];2012年中国菌物学会学术年会会议摘要[C];2012年
9 杨祝良;;中国鹅膏属真菌资源[A];中国菌物学会第三届会员代表大会暨全国第六届菌物学学术讨论会论文集[C];2003年
10 张玲;邵晨;高友鹤;;机器学习方法预测PDZ结构域的结合蛋白[A];中国蛋白质组学第三届学术大会论文摘要[C];2005年
中国博士学位论文全文数据库 前5条
1 殷曦;基于机器学习及统计计算模型的膜蛋白结构预测[D];上海交通大学;2017年
2 杨静;蛋白质残基相互作用预测及其在结构建模中的应用研究[D];上海交通大学;2018年
3 窦贤明;机器学习方法在陆地生态系统碳水通量模拟中的应用研究[D];中国矿业大学;2018年
4 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
5 李鹏;致命鹅膏主要毒素基因克隆及毒素基因家族多样性研究[D];华南理工大学;2014年
中国硕士学位论文全文数据库 前10条
1 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
2 王天祺;用于预测剪切位点的一种改进字符串核函数研究[D];哈尔滨工业大学;2016年
3 杨浩宇;基于机器学习的智能临床决策方法研究[D];大连理工大学;2019年
4 李坤;基于机器学习的蛋白质复合体精确识别研究[D];福州大学;2017年
5 刘玲;蛋白质—核酸界面丙氨酸突变效应数据库与热点残基研究[D];安徽大学;2018年
6 徐元科;基于支持向量机的抗氧化蛋白质识别[D];湘潭大学;2019年
7 张雍;基于脑血氧参数优化组合的多移乘行为脑力负荷评估[D];沈阳工业大学;2019年
8 黄春萌;基于支持向量机回归的NDVI组合预测模型[D];河北工业大学;2016年
9 魏继翔;基于特征提取的酶识别问题研究[D];山东经济学院;2011年
10 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
中国重要报纸全文数据库 前1条
1 赵熙熙;机器学习有望找到致命病毒宿主[N];中国科学报;2018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