简介:以氨基酸组成为特征对膜蛋白的分类,忽略了序列残基之间的相关性信息,而采用传统支持向量机算法作为分类算法,在解决多类问题时会出现分类盲区问题。针对这两种情况,计算蛋白质序列的氨基酸组成、二肽组成以及6种氨基酸相关系数,将三类特征结合,作为膜蛋白序列的特征向量;同时采用模糊支持向量机作为分类器,解决了传统支持向量机在多类数据识别中的盲区问题。测试结果表明,在相同特征输入下,模糊支持向量机分类性能优于传统支持向量机;在相同分类器的情况下,氨基酸组成、二肽组成和相关系数组合的特征选择方法的分类性能优于只使用其中一类或两类特征的方法;而采取组合特征和模糊支持向量机相结合的分类策略,在独立性数据集测试中的整体预测精度达到97%,优于现有的多种分类策略,是目前最有效的膜蛋白分类方法之一。
简介:地下断层深度的估算是重力解释难题之一,我们试利用支持向量分类(SvC)法进行计算。使用正演和非线性反演技术,通过相关误错使检测地下断层深度成为可能。但必要有一个深度初始猜测值,而且这猜测值通常不是由重力资料得。本文我们介绍以SVC作为利用重力数据估算断层深度的一种手段。在这项研究中,我们假设一种地下断层深度可归为一种类型,SVC作为一个分类算法。为了有效地利用此SVC算法,我们基于一个正确的特征选择算法去选择正确的深度特征。本次研究中我们建立了一套基于不同深度地下断层的合成重力剖面训练集,用以训练用于计算实际的地下断层深度的SVC代码。然后用其它合成重力剖面训练集测试我们训练的SVC代码,同时也用实际资料验证了我们的训练SVC代码。
简介:摘要:森林资源是不可再生的资源。我国森林资源虽然丰富,但是人均占有量较少。如何有效的对森林资源进行调查与统计是解决森林资源有效利用的关键。本文针对该问题,提出了一种基于多核支持向量机的改进的高光谱遥感影像森林分类算法,与几种主流分类算法对比,分类精度可以达到92.2%。