核二维子类鉴别分析

针对图像数据的多子类线性不可分问题,提出一种快速核二维子类鉴别分析算法(K2DSDA).算法从理论证明K2DSDA等价于基于核样本列(行)向量的2DSDA,并结合快速核样本图像近似定义实现最优判别向量计算,降低了算法复杂度.实验显示,本文算法在多个标准人脸库上的分类准确率优于其他鉴别分析算法,这证实了K2DSDA的有效性.

BCESCP:基于多类支持向量机的B细胞表位亚类分类研究（英文）

目的:根据诱导的特异性抗体种型,B细胞表位被分成不同的亚类。探索表位多类亚类之间的区别非常重要,能促进揭示免疫系统为什么会针对不同的表位产生特异性抗体应答。基于多类支持向量机,发展一个能区分多类表位亚类并且能预测B细胞表位的亚类类别的模型。方法:训练模型的数据集来源于免疫表位数据库,数据集包含4类数据,对应4种B细胞表位亚类:Ig A表位,Ig E表位,Ig G表位以及Ig M表位。通过5折交叉验证,分别探索氨基酸组成特征,quasi-序列顺序特征以及二肽组成特征区分表位多类亚类的能力。结果:实验结果表明二肽组成特征的区分性能最好,整体准确率为61.58%,应用此多类分类模型,开发了一个名为BCESCP的免费使用的B细胞表位的亚类类别预测服务器,BCESCP可以通过如下地址访问:http://www.bioinfo.tsinghua.edu.cn/epitope/BCESCP/。

基于子类划分和粒子群优化的自适应编码多类分类方法

纠错输出编码(ECOC)可以有效地解决多类分类问题.基于数据的编码是主要的编码方法之一.对此,提出一种基于子类划分和粒子群优化(PSO)的自适应编码方法,利用混淆矩阵衡量各类别的相关性,基于规则的方法对类别进行自适应组合,根据组合方案构建类别的二类划分并最终形成编码矩阵,通过引入PSO算法寻找最优阈值,从而得到最优编码矩阵.实验结果表明,所提出的编码方法可以得到更好的分类性能.