排序方式： 共有4条查询结果，搜索用时 0 毫秒
1
1.
[目的]结合生物学知识和数学方法构建DNA序列判别分类模型。[方法]根据氨基酸分子中侧链基的极性性质,从不同序列中氨基酸含量不同提炼出能从碱基含量和碱基排列情况两方面代表序列特征的氨基酸类别信息,用一个四维向量来表征,用马氏距离法和FISHER判别法对给定序列进行分类。[结果]该模型中,2种分类方法所得的样本回代率均达100%,分类一致率为90%。[结论]该模型算法简单,分类结果精度较高,优于仅基于碱基含量的判别分类模型。 相似文献
2.
从DNA序列片段个案中密码子分布密度角度出发,提取出DNA序列片段的特征,基于氨基酸分子中侧链基极性性质把氨基酸分成5大类,计算5大类出现的频率,这种考虑生物意义的特征提取方法不仅考虑碱基的含量,还在一定程度上考虑碱基的排列顺序,应用层次聚类分析方法和BP神经网络法对DNA序列片段进行分类。结果表明,2类算法分类结果精度较高,且一致性也较高。说明这种特征提取法比传统的单纯考虑碱基的特征提取法效果更优。 相似文献
3.
[目的]结合生物学知识和数学方法构建DNA序列判别分类模型。[方法]根据氨基酸分子中侧链基的极性性质,从不同序列中氨基酸含量不同提炼出能从碱基含量和碱基排列情况两方面代表序列特征的氨基酸类别信息,用一个四维向量来表征,用马氏距离法和FISHER判别法对给定序列进行分类。[结果]该模型中,2种分类方法所得的样本回代率均达100%,分类一致率为90%。[结论]该模型算法简单,分类结果精度较高,优于仅基于碱基含量的判别分类模型。 相似文献
4.
1