数据挖掘在蛋白质序列分类中的应用
摘要：蛋白质序列分类涉及特征选择以实现准确的分类。流行的蛋白质序列分类技术包括从序列中提取特定特征。研究人员应用一些众所周知的分类技术，如神经网络、遗传算法、模糊ARTMAP、粗糙集分类器等，以实现准确的分类。本文介绍了三种不同的分类模型，包括神经网络模型、模糊ARTMAP模型和粗糙集分类器模型的综述。随后提出了一种用于分类蛋白质序列的新技术。所提出的模型通常使用自己设计的工具来实现，并试图减少以前方法遇到的计算开销并提高分类的准确性。
作者：Suprativ Saha and Rituparna Chaki
论文ID：1211.4654
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2012-11-21