Weighted SVM在蛋白质磷酸化位点预测中的应用

Weighted SVM是标准SVM针对非均衡样本的改进。首次将Weighted SVM用于蛋白质磷酸化位点的预测,在最新版的蛋白质磷酸化数据集PhosphoBase上,取得了目前为止最好的分类精度。k-fold交叉验证和独立测试集实验的结果表明,通过对样本数相对较少的正样本赋予较大的惩罚参数,Weighted SVM有效地改善了分类器向负样本方向的“偏斜”,提高了总的预测正确率以及(正样本)查全率。

一种有指导的文本特征加权改进算法

传统tf.idf方法未利用分类数据的特性,无法反映词在各个类别之间的比例关系。为此,在分析有指导的文本特征加权方法tf.rf基础上,提出一种基于有指导的改进文本特征加权方法tf.ridf。该改进方法结合tf.idf和tf.rf 2种方法的特点,考虑词在总体文档及各类别文档之间的关系,实现文本特征加权。实验结果表明,该方法的分类能力比tf.rf方法有明显提升。