《表4 CH317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

%

从表3可以看出，在ZD98数据集上本文算法相比传统蛋白质序列特征提取算法AAC、PseAAC等在总体预测精度上最大提升了约10个百分点，在cyto亚细胞类上的预测准确率达到了100%，实验证明本文方法能有效增加蛋白质亚细胞区间定位预测的准确率。将本文方法与基于特征融合和词袋模型的实验结果进行对比，在相同数据集上的准确率也都提高了约3到4个百分点，实验表明本文算法较基于传统蛋白质序列特征提取的改进算法也具有显著优势。通过表4的比较可以看出，在CH317数据集上，本文算法在cyto这一亚细胞类上的预测准确率最高达到了98.2%，相比其他算法提升了约3.6个百分点，在Nucl这一亚细胞类上的准确率最高提升了19.8个百分点，总的准确率较优化前的词袋模型提升了4.4个百分点。