改进RAkEL分类算法的多功能酶分类预测

• 作者: 皮赛奇 刘干
• 来源期刊: 软件导刊
• 关键词: 多标签分类 Apriori算法 数据挖掘 多功能酶
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 34-37
• 页数: 4页
• 分类号: TP302
• 语种: 中文
• DOI: 10.11907/rjdk.202226

摘要

利用多标签机器学习对多功能蛋白质进行分类预测是目前比较好的方法.随机k标签分类算法(RAkEL)采用将所有标签按k长度随机划分进行分类预测.虽然该方法考虑到了标签之间的相关性,但是随机k标签划分时会产生大量冗余标签,增加了分类器计算量.对传统的随机k标签分类学习算法进行改进,加入Apriori算法对标签进行关联规则挖掘,将得到的关联规则进行标签划分,然后运用集成LP算法进行模型训练,从而得到最终模型,最后以最终模型进行标签分类预测.运用改进的多标签分类学习算法对多功能酶(一种多功能蛋白质)进行分类预测,并与传统的多标签分类学习算法进行效果比较,改进后的多标签分类器在相关指标上能取得较好优势,其中平均精度(AP)可达92.03％.