SVM的参数优化及在耐热酶和常温酶分类中的应用

• 作者: 丁彦蕊 张正阳 须文波
• 来源期刊: 食品与生物技术学报
• 学科: 工学
• 关键词: 支持向量机 氨基酸含量 分类 参数优化
• 年，卷（期）: 2010,（2）
• 所属期刊栏目: 生物技术与发酵工程
• 页码范围: 312-316
• 分类号: TP183
• 字数: 4456字
• 语种: 中文

摘要

氨基酸的组成是影响蛋白质耐热性的主要因素之一,所以以20种氨基酸所占比例作为特征向量,利用支持向量机(Support vector machine, SVM)预测蛋白质的耐热性.在比较了几何方法、SVM-KNN和重复训练3种参数优化的方法之后,从中选择了几何方法来优化SVM分类器的参数,并使预测率从85.4%提高到88.2%.从预测率上可知:(1)几何方法优化SVM参数可以有效地提高预测率;(2)氨基酸含量与酶的耐热性之间存在极强的相关性.

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	丁彦蕊	江南大学信息工程学院	51	266	9.0	14.0
3	张正阳	江南大学信息工程学院	1	2	1.0	1.0