换一批基于多核LSSVM的谷物蛋白质二级结构预测与优化
Research on Prediction and Optimization of Cereal Protein Secondary Structure Based on Multi-Kernel LSSVM
摘要蛋白质的二级结构对其空间结构和功能有着极其重要的影响,利用机器学习方法进行谷物蛋白质二级结构预测是生物和食品领域的重要研究内容.作者在现有蛋白质数据库中选取玉米、小麦、大豆的谷物蛋白质,使用多特征融合方式对蛋白质序列进行特征提取,提出将多核学习与最小二乘支持向量机(LSSVM)相结合,以多个核函数的线性加权组合代替传统单一核函数,利用核权重调整融合效果,构建多核LSSVM模型预测谷物蛋白质二级结构.使用粒子群优化算法(PSO)对模型超参数进行优化,寻找最佳超参数组合提升模型预测性能.研究结果表明,多核LSSVM模型能够改善单一核函数高维映射的局限性,融合各核函数优势,通过PSO算法获取最佳超参数组合.该模型结合多特征提取方式显著提高了谷物蛋白质二级结构预测的Q3准确率.
更多相关知识
关键词
谷物蛋白质二级结构多核最小二乘支持向量机粒子群算法cerealsprotein secondary structuremulti-kernelleast square support vector machineparticle swarm optimization
栏目名称
DOI
10.12441/spyswjs.20211221003
发布时间
2024-11-29（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
