10.16208/j.issn1000-7024.2019.03.026
基于单类图分类的化合物分类方法
为减少新药设计过程中化合物筛选与结构优化的成本, 提高筛选与优化的精确性, 提出一种用于化合物分类的单类图分类方法.对化合物的严格拓扑结构提出优化频繁子图的方法选取特征子图, 自适应地挖掘每阶段支持度下信息量表示更全的闭频繁子图, 将提取的频繁子图作为特征样本输入, 通过Adaboost集成一类支持向量机分类算法训练分类模型.实验结果表明, 该方法可以明确提取相关性较高的频繁子结构, 显著降低频繁子图挖掘后的特征空间, 有效提高分类的准确性和泛化性.
图分类、频繁子图挖掘、特征选择、单类分类、自适应增强
40
TP391(计算技术、计算机技术)
国家自然科学基金项目61402374;陕西省科技统筹创新工程计划基金项目2014KTDZ03-02-2
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共7页
748-754