SVM与主动学习方法相结合的蛋白质相互作用预测

摘要：

提出了基于SVM的主动学习算法,用来解决蛋白质相互作用的预测问题.细胞中的生物过程是通过蛋白质相互作用实现的.但是通过实验验证蛋白质之间是否具有相互作用的代价非常大,而且数据很难获取.为了在有限的阳性样本情况下更加快速准确地预测蛋白质之间是否具有相互作用,引入了主动学习方法.主动学习算法可以用来构造有效训练集,其目标是通过迭代抽样,每次寻找最富有信息量的数据点,找到最有利于提升分类效果的样本,进而减小分类训练集的大小.比较了5种不同的主动学习算法,以寻找在有限资源前提下提高分类算法效率的最佳途径.实验表明,主动学习方法与SVM算法相结合,能够在保证SVM分类性能的前提下,有效减少学习所需的样本数量.

关键词：支持向量机、主动学习、蛋白质相互作用

所属期刊栏目：41

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金60932008,61172098,61271346;高等学校博士学科点专项科研基金20112302110040

在线出版日期：2014-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：82-86