用于化合物毒性预测的半监督分类算法
为了解决现实世界中的化合物毒性预测问题,提出一种半监督分类方法.采用互补的分类器对原始训练集进行筛选,保证原始训练集的质量;采用联合训练的半监督方法和剪辑方法在提高训练集数量的同时保证新加入的实例不对原有训练集造成损害.最后通过基础分类器和仲裁分类器共同决策,确定化合物的分类.在化工产品有毒性数据集和UCI数据集上的实验结果表明了该算法具有比传统算法更高的分类精度.
联合训练、半监督分类、训练集编辑、化合物毒性、定量构效关系
31
TP311(计算技术、计算机技术)
福建省自然科学基金项目2007J0016
2010-08-31(万方平台首次上网日期,不代表论文的发表时间)
共4页
2838-2841