基于支持向量机的高维特征非线性快速筛选与肽QSAR建模

以氨基酸的531个物理化学性质参数直接表征肽的结构,基于支持向量回归发展了一种新的高维特征非线性快速筛选方法,将其应用于苦味二肽和血管紧张素转化酶抑制剂2个肽体系的定量序效关系(QSAR)建模,各筛选获得10个意义明确的保留描述子.以保留描述子建立支持向量回归模型,其拟合精度、留一法交叉测试精度和外部预测精度较文献报道结果均有较大幅度提升,优势明显;对所建模型进行了非线性回归显著性测验、单因子相对重要性显著性测验和单因子效应分析,增强了模型的可解释性.新方法在肽、蛋白质QSAR建模等高维数据回归预测领域有广泛应用前景.

一种支持混合QoS属性的服务选择方法

当前的服务选择方法大都假设所有服务的QoS(Quality of Service)属性值必须均为确定的实数,并未考虑QoS属性的模糊性。这个假设在实际应用需求中具有一定的局限性,还会丢失大量的数据信息。为增强QoS表达能力,将QoS属性值描述成精确数值型、区间数值型、模糊数值型。同时,用序关系向量表示用户对不同QoS属性的需求偏好,将其转换成用户对QoS属性的主观权重,并采用熵权法计算QoS属性的客观权重。在此基础上,采用相对优势度算法给出混合QoS属性的服务选择过程。最后通过模拟和实验验证,证明相对优势度算法的有效性与合理性。