PSO＿BFA优化词袋模型及蛋白质亚细胞定位预测

发布时间：2021-09-05 10:21

　　提出了一种基于PSO_BFA优化的词袋模型。传统词袋模型有两个重要参数:窗口大小d和字典大小k。结合粒子群算法和细菌觅食算法产生新的PSO_BFA混合优化算法,在PSO进行局部搜索时,加入BFA的复制和迁移行为,得到PSO_BFA的最优解即为窗口大小和字典大小的最佳组合。将优化词袋模型与蛋白质序列的氨基酸组成算法和伪氨基酸组成算法结合,获得蛋白质序列的词袋特征。实验结果证明,基于PSO_BFA优化的词袋模型能有效提高蛋白质亚细胞定位预测的精度。 

【文章来源】：计算机工程与应用. 2020,56(01)北大核心CSCD

【文章页数】：7 页

【部分图文】：

PSO＿BFA混合优化算法流程图

优化前后的BOW＿PseAAC在ZD98上的预测结果

优化前后的BOW＿AAC在CH317上的预测结果

【参考文献】：
期刊论文
[1]词袋模型在蛋白质亚细胞定位预测中的应用[J]. 赵南,张梁,薛卫,王雄飞,任守纲.  食品与生物技术学报. 2017(03)
[2]三角形约束下的词袋模型图像分类方法[J]. 汪荣贵,丁凯,杨娟,薛丽霞,张清杨.  软件学报. 2017(07)
[3]相似性比对预测蛋白质亚细胞区间[J]. 王雄飞,张梁,薛卫,赵南,徐焕良.  微生物学通报. 2016(10)
[4]基于多方向空间词袋模型的物体识别[J]. 齐梅,胡敏.  计算机工程与应用. 2017(07)
[5]改进BFO算法在函数优化问题上的应用[J]. 曹天问,雷秀娟.  计算机工程与应用. 2013(13)
[6]细菌觅食优化算法的研究与应用[J]. 周雅兰.  计算机工程与应用. 2010(20)
[7]PSO优化算法演变及其融合策略[J]. 雷秀娟,史忠科,周亦鹏.  计算机工程与应用. 2007(07)



本文编号：3385173