《表3 ZD98数据集预测结果比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《PSO＿BFA优化词袋模型及蛋白质亚细胞定位预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

为了进一步说明优化算法在蛋白质亚细胞区间定位预测的有效性，将本文方法在ZD98和CH317数据集上的预测结果列于表3、4中，同时将选取在蛋白质亚细胞定位预测领域中具有代表性的传统蛋白质序列特征提取算法AAC、PseAAC、PSSM和组合特征向量（Combined Feature Vector）等算法进行特征提取，并送入SVM分类器得到的预测准确率一并列出；表中也列出了赵南等人[9]将词袋模型结合AAC算法对蛋白质序列进行特征提取，采用Jackknife进行检验的实验结果。表格的前两行，根据文献[27]和[28]中提到的AAC、PseAAC方法作为特征提取的方法，提取20维向量作为一条蛋白质序列特征，然后放入SVM中进行分类得出预测结果。实验使用libsvm中的库函数，主要参数为最佳惩罚参数c和核函数参数g，文中通过交叉验证方法训练得到一组最佳参数。文献[29]中采用位置特异性评分矩阵（PSSM）提取蛋白质序列特征，主要参数PSI-BLAST设为0.001。文献[9]中，词袋模型中窗口大小d和字典大小k根据经验值选取。