论文研究 基于数据划分和集成的方法预测信号肽.pdf

在信号肽预测问题中，由于信号肽序列长度不等且氨基酸组成具有多样性的特点，以往方法通常采用滑动窗口进行处理，从而导致了信息丢失以及数据不平衡等问题。为改善少数类预测效果，对训练数据进行了预处理，将多数类样本数据划分，生成的各组样本分别与少数类样本合并组成若干个数据子集，在两种蛋白质编码方案下采用概率神经网络建立多个分类器，采用加权投票将多分类器集成的方法预测信号肽。在目前广泛使用的Neilsen数据集上进行实验，表明该方法具有一定的有效性。