基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
分析了机器学习技术的内容,介绍了生物信息学的内涵和新的应用技术,同时探索了机器学习技术对生物信息挖掘应用的途径.这些方法有助于加速生物分子结构预测、基因发现、基因组学和蛋白组学等方面研究的进展.
推荐文章
机器学习与生物信息学
机器学习
生物信息学
学习方法
人工智能
核机器学习方法及其在生物信息学中的应用
核函数
核机器学习方法
生物信息学
机器学习
支持向量机
机器学习与生物信息学
机器学习
生物信息学
学习方法
人工智能
生物信息学中的特征选择
计算生物学
智能计算
数据挖掘
进化计算
神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 机器学习方法及其在生物信息学中的应用
来源期刊 吉首大学学报(自然科学版) 学科 工学
关键词 机器学习 生物信息学 学习方法 数据库 基因
年,卷(期) 2006,(4) 所属期刊栏目 数学与计算机科学
研究方向 页码范围 28-32
页数 5页 分类号 TP181
字数 5895字 语种 中文
DOI 10.3969/j.issn.1007-2985.2006.04.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张震 延安大学计算机学院 108 364 10.0 15.0
2 李军利 延安大学计算机学院 18 97 6.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (58)
参考文献  (3)
节点文献
引证文献  (6)
同被引文献  (6)
二级引证文献  (8)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(5)
  • 参考文献(1)
  • 二级参考文献(4)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(5)
  • 引证文献(0)
  • 二级引证文献(5)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
机器学习
生物信息学
学习方法
数据库
基因
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
吉首大学学报(自然科学版)
双月刊
1007-2985
43-1253/N
大16开
湖南省吉首市
1980
chi
出版文献量(篇)
2943
总下载数(次)
1
总被引数(次)
10461
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导