版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、湖南農(nóng)業(yè)大學(xué)碩士學(xué)位論文基于支持向量機(jī)的外顯子與內(nèi)含子識(shí)別及回歸預(yù)測(cè)研究姓名:張永生申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):農(nóng)業(yè)昆蟲與害蟲防治指導(dǎo)教師:袁哲明20070601AbstractSupportvectormachine(SVM)includesupposevectorclassification(SVC)andsupportvectormachineregression(SVR),whichwasputforwardin1995anddev
2、elopsmostrapidlyamongallofmachinelearningmethodsSVMisbasedontheprincipleofstructuralriskminimization,andthenresolvessuchpracticalproblemsasnonlinearityoverfit,curseofdimensionality,localminima,smallsampleslearningandhash
3、ighgeneralizationThispaperstudiestherecognitionofexonandintron,multidimensionaltimeseriespredictioninlongitudinaldataandquantitativestructure—activityrelationshipinnonlongitudinaldambyimprovingSVMThemaincontentsandresult
4、sareasfollows:1)AnovelmethodoffeatureextractionnamedmultiscalecomponentandcorrelationWasproposedandWasappliedtotherecognitionofexonandintronbasedonFisherdiscriminantorSVC1Andtheexonsensitivity‘鑫),exonspecificity(品),intro
5、nsensitivity@)andcorrelationcoefficient(cofromtestsetsare09240,09893,O9900andO9160respectivelyThemethodhadtheadvantagesofsimplealgorithm,hi曲accuracy,wideusage,etc2)BasedonSVRandcontrolledautoregressive(CAR),weproposedane
6、wnonlinearmultidimensionaltimeseriesmethodnamedSVRCARthatcaIlshowthedynamiccharacteristicsofsamplesetaswallastheeffectofenvironmentalfactorsToevaluatetheperformanceofSVRCA&wecompareditspredictionswiththoseoffourothercomm
7、onlyusedmethods,usingtwosetsoflongitudinaldataandone—steppredictionTheresultsshowedthatSVR—CARhadthehi曲estaccuracyinpredictionamongthefivemethods。SVRCARhasthepotentialtobewidelyusedforpredictionsinvolvingmultidimensional
8、timeseriesdatainecolo現(xiàn)agriculturalsciencesandeconomics3)Toimprovethepredicationprecisioninquantitativestructureactivityrelationship(QSAR)anovelnonlinearcombinatorialforecastmethodbasedonSVRand£nearneighborgroupWaspropose
9、dThepredictionresultsofnonlongitudinaldataofQSARforsubstitutedanilinesandphenolstODaphniamagnaStrausshowedthatthenovelcombinationmethodhadthehighestpredictionprecisionamongthetenmethodsandcharacterizedthenonlinearrelatio
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 外顯子連接序列與連接處內(nèi)含子序列的相互作用.pdf
- 基于隨機(jī)森林的外顯子剪接增強(qiáng)子識(shí)別.pdf
- 豬BMP7基因外顯子和內(nèi)含子多態(tài)性檢測(cè)及其與繁殖性狀關(guān)系的研究.pdf
- 基于GMM的基因外顯子預(yù)測(cè)算法研究.pdf
- RESISTIN基因外顯子及部分內(nèi)含子單核苷酸多態(tài)性與2型糖尿病的關(guān)聯(lián)研究.pdf
- 基因預(yù)測(cè)中外顯子分值的轉(zhuǎn)化.pdf
- eNOS第7外顯子894G→T及第四內(nèi)含子基因多態(tài)性與腦梗死關(guān)系的初探.pdf
- 血友病A內(nèi)含子22及內(nèi)含子1倒位的檢測(cè)及其意義.pdf
- 植物內(nèi)含子進(jìn)化模式研究.pdf
- 基于傅里葉變換和數(shù)值映射的基因外顯子識(shí)別算法研究.pdf
- PCOS患者中PPAR-γ基因外顯子6與INRS基因外顯子17多態(tài)性的研究.pdf
- 基于子空間分析和支持向量機(jī)的人耳識(shí)別研究.pdf
- 基于支持向量回歸機(jī)的股價(jià)預(yù)測(cè)研究.pdf
- 基于支持向量回歸機(jī)的匯率預(yù)測(cè).pdf
- 外顯子捕獲結(jié)題報(bào)告
- 外顯子捕獲結(jié)題報(bào)告
- 基于雙支持向量回歸機(jī)的OFDM系統(tǒng)子載波盲均衡算法研究.pdf
- 子宮內(nèi)膜癌組織中CD-,44-基因內(nèi)含子9、外顯子V-,6-的檢測(cè)及其臨床意義.pdf
- 逆基因中內(nèi)含子的鑒定與分析.pdf
- 基于支持向量機(jī)的中國股指期貨回歸預(yù)測(cè)研究.pdf
評(píng)論
0/150
提交評(píng)論