文献

J-GLOBAL ID：201702273558348377   整理番号：17A0275292

雑音強度重み付き線形判別分析と改良されたk最近接分類器に基づく蛋白質細胞内局在【Powered by NICT】

Protein sub-cellular localization based on noise-intensity-weighted linear discriminant analysis and an improved k-nearest-neighbor classifier

著者 (3件)： Lei Zhenfeng (School of Information Science and Engineering, Yunnan University, Kunming 650504, China) ,  Wang Shunfang (School of Information Science and Engineering, Yunnan University, Kunming 650504, China) ,  Xu Dongshu (School of Information Science and Engineering, Yunnan University, Kunming 650504, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： CISP-BMEI  ページ： 1871-1876  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： データ次元縮小と分類は,蛋白質細胞内局在化の重要な段階である。生物科学と技術の急速な発展に伴い,多くの高次元生物学的データのが生成され,あるノイズを伴った。低次元空間の中で高次元データを発現し,良好な分類効果を達成するためにどのように蛋白質細胞内局在の適用における研究者のための重要な課題の一つとなっている。改善なしに使用簡単にすれば,線形判別分析(LDA)の伝統的な次元縮小アルゴリズムとk-最近傍(KNN)の一般的な分類器は電流応用のニーズを満たすことができない。LDAの目的は,ある方向可能な限り離れた試料の投影をで投影線を求めることである。しかし,ノイズジャミングは,クラス内距離を拡大し,LDAでも分離された難クラスである。に加えて,KNNは試料の不等式primelyを考慮されていない。それ故,本論文では,まず,LDAにおける体重の一種として雑音強度を用い,それからクラス内KNN法を用いた異なるクラスからの試料の不等式を考慮してKNNアルゴリズムを改善した。実験を行いその結果,上記二つの改良を組み合わせることにより,提案した方法は,ジャックナイフの検証による分類における理想的な実現可能性と有効性をもたらすことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  高次元 ,  電流 ,  次元縮小 ,  不等式 ,  *タンパク質 ,  体重 ,  高速度 ,  *雑音
準シソーラス用語： 高次元データ ,  低次元 ,  *細胞内局在 ,  *線形判別分析 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 雑音 ,  線形判別分析 ,  分類器 ,  蛋白質 ,  細胞内局在