典型文献
细胞穿膜肽识别问题的多特征融合卷积网络预测算法
文献摘要：
细胞穿膜肽是一类特殊的多肽,具有独特的医学价值,因此如何通过计算方法高效地识别细胞穿膜肽是一个值得研究的重要问题.目前的主流方法是使用各种特征表示算法获取序列特征,然后使用机器学习分类器进行分类.提出了一种新的识别算法ConvCPP,利用改进的卷积神经网络提取蛋白质序列特征.改进之处包括在卷积层之前添加注意力层,并且优化了池化层的池化方式.设计消融实验来验证改进的有效性,之后结合多种其他基于蛋白质序列特征的特征提取算法,并测试了两种特征选择算法,最终得到最优的向量表示.再根据得到的向量表示,结合多种机器学习分类器对蛋白质序列进行分类识别.在基准数据集上的实验表明,该算法比当前的细胞穿膜肽识别方法具有更好的预测性能.
文献关键词：
注意力机制;计算机应用技术;卷积神经网络;细胞穿膜肽;机器学习
中图分类号：
作者姓名：
周丰丰;牛甲昱
作者机构：
吉林大学计算机科学与技术学院 长春 130012;吉林大学符号计算与知识工程教育部重点实验室 长春 130012
文献出处：
引用格式：
[1]周丰丰;牛甲昱-.细胞穿膜肽识别问题的多特征融合卷积网络预测算法)[J].电子科技大学学报,2022(04):493-499
A类：
ConvCPP
B类：
细胞穿膜肽,多特征融合,卷积网络,预测算法,多肽,医学价值,主流方法,特征表示,序列特征,机器学习分类器,识别算法,蛋白质序列,卷积层,注意力层,池化,消融实验,特征提取算法,特征选择算法,向量表示,分类识别,基准数据集,预测性能,注意力机制,计算机应用技术
AB值：
0.273473
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
