關鍵字查詢 | 類別:研究報告 | | 關鍵字:利用多重核心之支援向量機於蛋白質非穩定區段的預測

[第一頁][上頁]1[次頁][最末頁]目前在第 1 頁 / 共有 04 筆查詢結果
序號 學年期 教師動態
1 95/1 化學系 鄭建中 教授 研究報告 發佈 利用多重核心之支援向量機於蛋白質非穩定區段的預測 , [95-1] :利用多重核心之支援向量機於蛋白質非穩定區段的預測研究報告利用多重核心之支援向量機於蛋白質非穩定區段的預測Multiple-Kernel Svms for Protein Disordered Regions Prediction許輝煌; 鄭建中淡江大學資訊工程學系蛋白質結構預測;非穩定區段預測;支援向量機;機器學習;蛋白質體學計畫編號:NSC96-2221-E032-051-MY2;研究期間:200708~200807;研究經費:551,000行政院國家科學委員會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。Made available in DSpace on 2009-03-16T07:26:02Z (GMT). No. of bitstreams: 0;Made available in DSpace on 2009-07-15T10:32:01Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-03-1
2 96/1 化學系 鄭建中 教授 研究報告 發佈 利用多重核心之支援向量機於蛋白質非穩定區段的預測 , [96-1] :利用多重核心之支援向量機於蛋白質非穩定區段的預測研究報告利用多重核心之支援向量機於蛋白質非穩定區段的預測Multiple-Kernel SVMs for Protein Disordered Regions Prediction許輝煌; 鄭建中淡江大學資訊工程學系計畫編號:NSC96-2221-E032-051-MY2;研究期間:200808~200907;研究經費:604,000行政院國家科學委員會tku_id: 000117151; 000116920;Made available in DSpace on 2010-04-15T06:25:46Z (GMT). No. of bitstreams: 1 962221E032051MY2.pdf: 1710038 bytes, checksum: ef4b4530bab34009e5f3f9fdc7433344 (MD5)<links><record><name>機構典藏連結</name><url>http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/7098</url></record></links>
3 95/1 資訊系 許輝煌 教授 研究報告 發佈 利用多重核心之支援向量機於蛋白質非穩定區段的預測 , [95-1] :利用多重核心之支援向量機於蛋白質非穩定區段的預測研究報告利用多重核心之支援向量機於蛋白質非穩定區段的預測Multiple-Kernel Svms for Protein Disordered Regions Prediction許輝煌; 鄭建中淡江大學資訊工程學系蛋白質結構預測;非穩定區段預測;支援向量機;機器學習;蛋白質體學計畫編號:NSC96-2221-E032-051-MY2;研究期間:200708~200807;研究經費:551,000行政院國家科學委員會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。Made available in DSpace on 2009-03-16T07:26:02Z (GMT). No. of bitstreams: 0;Made available in DSpace on 2009-07-15T10:32:01Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-03-1
4 96/1 資訊系 許輝煌 教授 研究報告 發佈 利用多重核心之支援向量機於蛋白質非穩定區段的預測 , [96-1] :利用多重核心之支援向量機於蛋白質非穩定區段的預測研究報告利用多重核心之支援向量機於蛋白質非穩定區段的預測Multiple-Kernel SVMs for Protein Disordered Regions Prediction許輝煌; 鄭建中淡江大學資訊工程學系計畫編號:NSC96-2221-E032-051-MY2;研究期間:200808~200907;研究經費:604,000行政院國家科學委員會tku_id: 000117151; 000116920;Made available in DSpace on 2010-04-15T06:25:46Z (GMT). No. of bitstreams: 1 962221E032051MY2.pdf: 1710038 bytes, checksum: ef4b4530bab34009e5f3f9fdc7433344 (MD5)<links><record><name>機構典藏連結</name><url>http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/7098</url></record></links>
[第一頁][上頁]1[次頁][最末頁]目前在第 1 頁 / 共有 04 筆查詢結果