資料載入中.....
|
請使用永久網址來引用或連結此文件:
http://ir.hust.edu.tw/dspace/handle/310993100/1763
|
| 題名: | 結合輸出錯誤校正碼與支持向量機對蛋白質結構作分類預測 |
| 作者: | 黃淳德 |
| 貢獻者: | 修平技術學院電機工程系 |
| 關鍵詞: | 生物資訊;Ｎ字元編碼法;階層式的學習架構;錯誤校正輸出碼;支持向量機 |
| 日期: | 2006-10-24
|
| 上傳時間: | 2009-10-28T03:50:49Z
|
| 摘要: | 生物資訊在二十世紀末，人類基因體計畫完成之後，已變成一個相當熱門的話題。因為它可以加速醫療與製藥的新觀念，加速生物技術的發展，同時帶動許多相關的產業。蛋白質是生命的基本元件，截至今日，已經有數以萬計的蛋白質被發現，而這個數目仍然在增加中。蛋白質的結構決定蛋白質的功能，因此正確而有效的區別蛋白質的結構將有助於瞭解它的功能，而這也是生物資訊學在蛋白質結構分類上的一個相當重要的課題。目前有一些蛋白質結構分類的資料庫已經被建構出來，但是他們都是利用人工或半自動的方法在處理分類的問題。在我們的研究中，首先我們將建立一個階層式的學習架構來進行機器學習，我們之所以以階層的方式來建構學習架構，是因為蛋白質結構的分類資料庫也是以相同的概念築構的。我們也將使用蛋白質結構資料庫作為學習的展示，同時我們的學習架構是可以由不同的學習機制所形成。其次，我們會嘗試去找出一個比較好的編碼方法，以便形成一組更能代表蛋白質序列的特徵值，以作為機器學習的訓練資料。我們在訓練的過程中也使用一般常用的百分比、轉換性、分佈性作為學習資訊。除此之外，Ｎ字元編碼法也是要被引進的方法，我們更發展了一套改良自Ｎ字元的全域的編碼法，這對於機器學習將有正面的幫助。在研究中，我們將會將錯誤校正輸出碼的概念結合支持向量機，以發展出一套複合式的學習方法，這個方法將有助於生物資訊的領域。我們相信用，這些改良的方法，對於蛋白質結構分類資料庫的蛋白質分類預測，可以達成較高的效率與較高的準確性，使得實驗室作業的時間得以縮短。;計畫編號:NSC94-2213-E164-008;研究期間:200508~200607 |
| 顯示於類別: | [電機工程系(含碩士班)] 研究計畫
|
文件中的檔案:
| 檔案 |
描述 |
大小 | 格式 | 瀏覽次數 |
|---|
| NSC94-2213-E164-008.pdf | | 193Kb | Adobe PDF | 255 | 檢視/開啟 |
|
在HUSTIR中所有的資料項目都受到原著作權保護.
|
