基于模糊支持向量机的剪接位点识别
为了提高模糊支持向量机(FSVM)对剪接位点的识别精度,提出一种计算样本隶属度的新方法.将样本到两聚类中心的距离比值作为样本的初始隶属度,采用K近邻(KNN)方法计算样本的紧密度,最后将初始隶属度与紧密度的乘积作为样本的最终隶属度,这样既提高了支持向量的隶属度,又降低了噪声样本的隶属度.将此方法应用到剪接位点的识别中,对组成性5'和3'剪接位点的识别精度分别达到了94.65%和88.79%,与经典支持向量机相比,3'剪接位点的识别精度提高了7.94%.
模糊支持向量机、隶属度、紧密度、剪接位点识别、选择性剪接
31
TP18;TP391.4(自动化基础理论)
2011-07-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
1117-1120