基于SAPSO-LSSVM的蛋白质模型质量评估

发布时间：2018-03-08 09:03

  本文选题：蛋白质　切入点：模型质量　出处：《计算机应用研究》2017年05期 　论文类型：期刊论文

【摘要】：针对传统蛋白质模型质量评估没有考虑同源信息的问题,提出了一种基于LS-SVM评估蛋白质模型质量的方法。综合模拟退火(simulated annealing,SA)算法跳出局部最优解和粒子群(particle swarm optimization,PSO)算法收敛速度快的特点,提出了模拟退火粒子群(SAPSO)算法。利用SAPSO算法来优化LS-SVM参数C和γ,最后得到最优模型来评估蛋白质模型质量。实验结果表明,经SAPSO优化LS-SVM参数所得到的模型评估预测误差较小,且预测值更稳定。
[Abstract]:In view of the problem that the traditional protein model quality assessment does not consider the homology information, A method for evaluating the quality of protein model based on LS-SVM is proposed. The algorithm of synthetic simulated annealing and particle swarm optimization (PSOs) can jump out of the local optimal solution and the particle swarm optimization (PSOs) algorithm converges quickly. A simulated annealing particle swarm optimization (SAPSO) algorithm is proposed. SAPSO algorithm is used to optimize the parameters C and 纬 of LS-SVM, and the optimal model is obtained to evaluate the quality of protein model. The experimental results show that the prediction error of model evaluation obtained by SAPSO optimization of LS-SVM parameters is small. And the predicted value is more stable.
【作者单位】： 河南师范大学计算机与信息工程学院;
【基金】：国家自然科学基金资助项目(61173071) 河南省高校创新人才支持计划项目(2012HASTIT011)
【分类号】：Q51;TP18
，

本文编号：1583240