陕西省教育厅科研计划项目(2013JK1125)
- 作品数：4 被引量：7H指数：2
- 相关作者：杨雪梅党彤黄琳琳李莹苏祯更多>>
- 相关机构：咸阳师范学院西南财经大学更多>>
- 发文基金：陕西省教育厅科研计划项目陕西省自然科学基金国家级大学生创新创业训练计划更多>>
- 相关领域：天文地球自动化与计算机技术生物学更多>>
- 蛋白质糖基化位点的因子分析及KNN预测
- 2016年
- 为了分析糖基化蛋白质序列的结构特点并提高蛋白质O-糖基化位点的预测准确率,首先用因子分析的方法得到了训练样本的公因子,进一步得到了训练样本的因子得分以及变换矩阵;对测试样本首先用变换矩阵进行变换得到测试样本的因子得分,用K-最近邻(KNN)方法对因子得分进行分类。实验样本用稀疏编码方式编码,窗口长度为21。实验结果表明,与直接用KNN对原始观测数据进行预测的方法相比,通过因子分析变换对因子得分进行预测的结果更好。
- 杨雪梅
- 关键词：KNN因子得分
- 基于主成分分析的油田油水层预测被引量：1
- 2015年
- 本文对新疆油田公司的测井数据,利用主成分分析法(PCA)提取参数的有效特征,消除相关性,结合马氏距离判别法,建立了油层水层的预测模型,判断了油层和水层。实验结果表明,PCA+马氏距离方法的预测准确率达92.7%,高于直接用马氏距离及用人工神经网络(ANN)、支持向量机(SVM)对原始数据进行判断的准确率。
- 李莹杨雪梅肖泽萌党彤黄琳琳
- 关键词：主成分分析油水层识别测井数据协方差矩阵
- 基于核Fisher判别分析的油田油水层预测被引量：3
- 2015年
- 对新疆油田公司的测井数据,利用核Fisher判别分析法(KFDA)判别油层水层。首先通过非线性映射(由核函数隐含定义)将样本映射到特征空间,然后在特征空间中用fisher判别分析(FDA)进行分类。实验结果表明,KFDA方法的预测准确率达92.9%,高于用Fisher判别分析法及人工神经网络(ANN)、支持向量机(SVM)方法进行判别的准确率。
- 党彤杨雪梅黄琳琳肖泽萌李莹
- 关键词：油层水层KFDA
- 基于KPCA及SVM的蛋白质O-糖基化位点的预测被引量：3
- 2013年
- 为了提高蛋白质O-糖基化位点的预测准确率,提出了把核主成分分析(KPCA)与支持向量机(SVM)相结合的方法。实验样本用稀疏编码方式编码,窗口长度为21。首先,用核主成分分析提取了样本的核主成分(特征);然后,在特征空间中用改进的支持向量机(ISVM)进行分类(预测)。在使用支持向量机分类时,设置了一个边界系数αc来减少运算的复杂度。实验结果表明,使用KPCA+ISVM的方法预测的效果优于PCA+SVM的预测效果。预测准确率为87%。更进一步,用不同长度的样本做实验(w=5,7,9,11,21,31,41,51),使用多数投票法综合各子分类器的优势。结果表明,组合分类器的预测准确率优于子分类器的预测准确率,预测准确率为88%。
- 杨雪梅苏祯
- 关键词：核主成分分析组合分类器
