利用多重核心之支援向量機於蛋白質非穩定區段的預測

機構典藏 > College of Engineering > Graduate Institute & Department of Computer Science and Information Engineering > Research Paper > Item 987654321/7087

Please use this identifier to cite or link to this item: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/7087

Title:	利用多重核心之支援向量機於蛋白質非穩定區段的預測
Other Titles:	Multiple-Kernel Svms for Protein Disordered Regions Prediction
Authors:	許輝煌;鄭建中
Contributors:	淡江大學資訊工程學系
Keywords:	蛋白質結構預測;非穩定區段預測;支援向量機;機器學習;蛋白質體學
Date:	2007
Issue Date:	2009-03-16 15:26:02 (UTC+8)
Abstract:	蛋白質非穩定區段預測是一個相當重要的課題，此研究在於利用機器學習的技術以正確預測一個蛋白質的哪些部分為非穩定區段。所謂非穩定區段指的是，在此蛋白質區段中，並沒有固定的結構。相反的，非穩定區域具有相當的彈性。在本計畫中，我們使用支援向量機來預測蛋白質的非穩定區段。在偵測的步驟上，我們需要相當大量的蛋白質資訊，例如: 疏水性、帶電量、極性、胺基酸出現頻率、邊界出現頻率、蛋白質序列平均彈性… 等。連帶的一個相當重要的議題，就是如何降低在實驗的計算量。由於輸入資料的維度很高，導致在訓練支援向量機的過程中效率低落。因此我們利用以下三個步驟，希望能夠改善這個問題。第一、先將輸入的屬性集依據不同特性做切割，以降低輸入資料的維度；第二、利用個別的支援向量機為分割後的子屬性集分別作訓練，依照屬性集的特性使用不同的核心機制；第三、將個別訓練的結果做結合，以提供最後的預測判定。由於個別的支援向量機只需要計算資料集的部分屬性，支援向量機的運算時間與複雜度將大幅降低。而且資料的屬性集已做適當的切割，屬性之間不會產生相互干擾，預測的準確率將可以提高。由於大部分的支援向量機的加速方法皆為剔除某些部分的屬性，以降低運算的空間維度，但是如此便相對的減少作預測所需的資訊。在此計畫中，我們充分利用每一個有用的資訊。
Appears in Collections:	[Graduate Institute & Department of Computer Science and Information Engineering] Research Paper

Files in This Item:

There are no files associated with this item.

Loading...