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:
以氨基酸含量为特征向量,研究了SVM和KNN预测蛋白质耐热性的准确度.结果表明,基于SVM的分类效果较好,其局部预测率和全局预测率分别为82.4%和83.4%;而基于KNN方法的局部预测率和全局预测率分别为77.6%和79.9%.两种方法的预测率均表明氨基酸含量是影响蛋白质耐热性的主要因素.
推荐文章
贝叶斯方法在蛋白质耐热性分类中的研究
氨基酸含量
贝叶斯
蛋白质耐热性
作物耐热性的评价
作物
耐热性
评价
热激蛋白与植物耐热性关系的研究进展
高温胁迫
耐热性
热激蛋白
基于近红外的松子蛋白质品质分类处理
松子
近红外
支持向量机
蛋白质
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 基于SVM和KNN的蛋白质耐热性分类
来源期刊 计算机工程与应用 学科 工学
关键词 氨基酸含量 SVM KNN 蛋白质耐热性
年,卷(期) 2007,(16) 所属期刊栏目 工程与应用
研究方向 页码范围 228-230,237
页数 4页 分类号 TP183
字数 3787字 语种 中文
DOI 10.3321/j.issn:1002-8331.2007.16.070
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 须文波 江南大学信息工程学院 409 3078 23.0 34.0
2 孙俊 江南大学信息工程学院 186 1552 21.0 30.0
3 蔡宇杰 江南大学工业生物技术教育部重点实验室 126 785 14.0 20.0
7 丁彦蕊 江南大学信息工程学院 51 266 9.0 14.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (31)
参考文献  (14)
节点文献
引证文献  (4)
同被引文献  (3)
二级引证文献  (1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(3)
  • 参考文献(3)
  • 二级参考文献(0)
2001(4)
  • 参考文献(3)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(2)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(2)
  • 二级参考文献(1)
2006(3)
  • 参考文献(3)
  • 二级参考文献(0)
2007(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)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(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
氨基酸含量
SVM KNN
蛋白质耐热性
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导