期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
使用组合分类器预测蛋白质相互作用
被引量:
4
1
作者
周正荣
宋晓峰
王明浩
《电子学报》
EI
CAS
CSCD
北大核心
2010年第6期1464-1467,共4页
蛋白质必须通过与其他蛋白质之间的相互作用才能行使其功能,因此,对于蛋白质相互作用的研究显得尤为重要.针对蛋白质相互作用预测问题,本文提出了一种基于不同特征编码的组合分类器投票的预测方法.该方法综合考虑了蛋白质序列中氨基酸...
蛋白质必须通过与其他蛋白质之间的相互作用才能行使其功能,因此,对于蛋白质相互作用的研究显得尤为重要.针对蛋白质相互作用预测问题,本文提出了一种基于不同特征编码的组合分类器投票的预测方法.该方法综合考虑了蛋白质序列中氨基酸频率、氨基酸位置、氨基酸理化性质和氨基酸生物相似性等特征.在真实的蛋白质相互作用human数据集上,使用支持向量机根据不同特征编码建立的预测模型,分别作为组合分类器中的子分类器进行投票.结果表明,该方法能有效提高蛋白质相互作用预测的性能,且预测结果与其他方法相比也具有一定优势.
展开更多
关键词
蛋白质相互作用
编码
支持向量机
组合分类器投票
下载PDF
职称材料
基于CMFS-MIC特征选择的跳频电台个体识别方法
被引量:
4
2
作者
杨银松
郭英
+2 位作者
李红光
眭萍
于欣永
《计算机应用研究》
CSCD
北大核心
2019年第12期3811-3814,3818,共5页
针对跳频电台细微特征集中存在冗余特征等导致电台识别时存在计算量大、识别准确率低等问题,提出了一种基于CMFS-MIC特征选择的跳频电台个体识别方法。首先计算采集到的各个跳频电台信号样本的细微特征集,然后采用关联信息熵度量特征子...
针对跳频电台细微特征集中存在冗余特征等导致电台识别时存在计算量大、识别准确率低等问题,提出了一种基于CMFS-MIC特征选择的跳频电台个体识别方法。首先计算采集到的各个跳频电台信号样本的细微特征集,然后采用关联信息熵度量特征子集的组合效应,兼顾考虑特征间的关联关系和冗余关系对各个特征进行降序排序。在此基础上,采用最大信息系数度量的近似马尔可夫毯方法删除冗余特征,实现对特征子集进行优化和降维。最后,设计了投票组合分类器实现对四部跳频电台信号的识别。仿真结果表明,本文算法具有更高的分选识别率。
展开更多
关键词
特征选择
跳频电台
关联信息熵
最大信息系数
投票
组合
分类器
下载PDF
职称材料
题名
使用组合分类器预测蛋白质相互作用
被引量:
4
1
作者
周正荣
宋晓峰
王明浩
机构
南京航空航天大学自动化学院生物医学工程系
出处
《电子学报》
EI
CAS
CSCD
北大核心
2010年第6期1464-1467,共4页
文摘
蛋白质必须通过与其他蛋白质之间的相互作用才能行使其功能,因此,对于蛋白质相互作用的研究显得尤为重要.针对蛋白质相互作用预测问题,本文提出了一种基于不同特征编码的组合分类器投票的预测方法.该方法综合考虑了蛋白质序列中氨基酸频率、氨基酸位置、氨基酸理化性质和氨基酸生物相似性等特征.在真实的蛋白质相互作用human数据集上,使用支持向量机根据不同特征编码建立的预测模型,分别作为组合分类器中的子分类器进行投票.结果表明,该方法能有效提高蛋白质相互作用预测的性能,且预测结果与其他方法相比也具有一定优势.
关键词
蛋白质相互作用
编码
支持向量机
组合分类器投票
Keywords
protein-protein interactions (PPI)
encoding
support vector machine (SVM)
vote
分类号
TP274 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于CMFS-MIC特征选择的跳频电台个体识别方法
被引量:
4
2
作者
杨银松
郭英
李红光
眭萍
于欣永
机构
空军工程大学信息与导航学院
空军通信士官学校
出处
《计算机应用研究》
CSCD
北大核心
2019年第12期3811-3814,3818,共5页
基金
国家自然科学基金资助项目
文摘
针对跳频电台细微特征集中存在冗余特征等导致电台识别时存在计算量大、识别准确率低等问题,提出了一种基于CMFS-MIC特征选择的跳频电台个体识别方法。首先计算采集到的各个跳频电台信号样本的细微特征集,然后采用关联信息熵度量特征子集的组合效应,兼顾考虑特征间的关联关系和冗余关系对各个特征进行降序排序。在此基础上,采用最大信息系数度量的近似马尔可夫毯方法删除冗余特征,实现对特征子集进行优化和降维。最后,设计了投票组合分类器实现对四部跳频电台信号的识别。仿真结果表明,本文算法具有更高的分选识别率。
关键词
特征选择
跳频电台
关联信息熵
最大信息系数
投票
组合
分类器
Keywords
feature selection
frequency hopping radio
associated information entropy
maximum information coefficient
voting combination classifier
分类号
TN911.6 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
使用组合分类器预测蛋白质相互作用
周正荣
宋晓峰
王明浩
《电子学报》
EI
CAS
CSCD
北大核心
2010
4
下载PDF
职称材料
2
基于CMFS-MIC特征选择的跳频电台个体识别方法
杨银松
郭英
李红光
眭萍
于欣永
《计算机应用研究》
CSCD
北大核心
2019
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部