换一批基于数据预处理深度置信网络的药物与非药物分类
Classification of Drug and Non-Drug Using Deep Belief Network Based on Data Preprocess
摘要制药工业的一个主要趋势是整合传统意义上被认为早期阶段药物发现的分子描述.为了更好的将药物和非药物分类,本文提出了基于深度信念网络(DBN)的分类模型.首先,对分子特征进行预处理以保证有价值的信息得到保留,其次,该模型将DBN和反向传播(BP)分类器结合去对药物/非药物进行检测和分类.DBN由几个受限玻尔兹曼机(RBM)层组成,当特征向量转移到下一层时这些RBM层尽可能多的保留具有重要的影响的信息.BP层训练的最后一个RBM层生成特征分类.结果表明,该方法是提取高层次特征的药物和非药物分类任务中一种成功的方法,分类精度高达85.3％,高于传统的支持向量机和神经网络方法.同时,预处理对分子特征的提取更为有效,从而在一定程度上提高了分类的准确性.
更多相关知识
关键词
深度置信网络数据预处理特征提取药物与非药物分类BP分类器受限玻尔兹曼机(RBM)Deep belief networkdata preprocessingfeature extractiondrug and non-drug classificationBP classifierrestricted boltzmann machine (RBM)
栏目名称
DOI
10.13568/j.cnki.651094.2018.01.002
发布时间
2018-04-25（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
