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:
为了提高核糖核酸( RNA)序列上6-甲基腺嘌呤( m6A)位点的预测精度,该文提出一种新的基于核酸物化属性显著性度量的K重选择启发式约简算法.通过该算法获得K个物化属性约简子集来重新编码RNA样本,并结合支持向量机( SVM)训练得到K个基分类器,再通过分类器融合方法构建了m6A位点预测器.最后,在相同的基准数据上,采用留一法交叉验证分别验证了伪二核苷酸成分分析和自协方差与互协方差变换两种典型的基于核酸物化属性的特征表示算法.实验结果表明,该文算法可显著提高m6A位点预测的总体性能.
推荐文章
基于显著性轮廓的苹果目标识别方法
图像分割
苹果
轮廓检测
动态阈值
识别
一种运用显著性检测的行为识别方法
行为识别
显著性检测
稀疏表示
低秩矩阵恢复
基于FCM的模糊粗糙属性约简
模糊聚类
模糊粗糙集
决策表
属性离散化
基于高层颜色语义名称的显著性检测
显著性检测
高层颜色语义名称
颜色命名
Gist特征
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 基于核酸物化属性显著性约简的m6 A位点识别
来源期刊 南京理工大学学报(自然科学版) 学科 工学
关键词 启发式约简算法 分类器融合 伪二核苷酸成分 自协方差与互协方差
年,卷(期) 2019,(2) 所属期刊栏目
研究方向 页码范围 199-208
页数 10页 分类号 TP18
字数 8587字 语种 中文
DOI 10.14177/j.cnki.32-1397n.2019.43.02.012
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 於东军 南京理工大学计算机科学与工程学院 64 503 15.0 19.0
2 张明 江苏科技大学计算机学院 38 289 9.0 16.0
6 王长宝 江苏科技大学计算机学院 12 18 3.0 3.0
7 陈韬 江苏科技大学计算机学院 2 2 1.0 1.0
8 徐妍 江苏科技大学计算机学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (67)
共引文献  (25)
参考文献  (18)
节点文献
引证文献  (1)
同被引文献  (3)
二级引证文献  (0)
1982(2)
  • 参考文献(0)
  • 二级参考文献(2)
1986(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)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(7)
  • 参考文献(1)
  • 二级参考文献(6)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(5)
  • 参考文献(1)
  • 二级参考文献(4)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(13)
  • 参考文献(3)
  • 二级参考文献(10)
2014(8)
  • 参考文献(2)
  • 二级参考文献(6)
2015(10)
  • 参考文献(4)
  • 二级参考文献(6)
2016(8)
  • 参考文献(6)
  • 二级参考文献(2)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
启发式约简算法
分类器融合
伪二核苷酸成分
自协方差与互协方差
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
南京理工大学学报(自然科学版)
双月刊
1005-9830
32-1397/N
南京孝陵卫200号
chi
出版文献量(篇)
3510
总下载数(次)
7
总被引数(次)
33414
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导