《表8 三类判别分析的结果分析指标表》

  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

《DBN在蛋白质编码区识别问题中的应用研究》

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

%

为了进一步验证深度置信网络对蛋白质编码区识别问题的准确度，还运用了传统的Logistic回归分类器和贝叶斯判别法对蛋白质编码区进行了判别分析。具体预测结果分析如表8所示，其中正确率为外显子被正确预测的比率；灵敏度为所有实际外显子中被正确预测为外显子的比例；精确率为预测为外显子的序列中真正为外显子的比例；特异度为所有真实的内含子序列被正确预测为内含子的比例。由于灵敏度和精确率两个指标有时会出现方向不同的结果，因此引入F得分，即灵敏度和精确率加权后的调和平均。根据以上五种评价指标[31]可以看出，相比于利用传统的Logistic回归和贝叶斯判别法对蛋白质编码区进行识别，本文所使用的深度置信网络对蛋白质编码区具有更好的识别功能，也就是说，本文所使用的深度置信网络模型能够从众多的DNA序列数据中提取出有效的信息对外显子和内含子进行识别。