支持矢量机和线性判别分析对细胞穿透肽的识别

摘要

选取25条CPP和16条非CPP作为训练集样本,以61条CPP和21条非CPP为预测集样本.利用氨基酸的z-Scale对肽链进行编码,分别使用原始72个自交叉协方差变量和它们的主成分矢量进行线性判别(LDA)和支持矢量机(SVM)分类研究.当采用LDA方法时,对于训练集的预测以及它们的留一法交互检验,均获得比较优越的结果,但对预测集的预测总的识别率的最优结果仅为57.3%.分别利用主成分和原始变量集作为SVM的输入建立的非线性识别模型,对训练集的总识别率分别为85.4%和100%,留一法交互检验的总识别率分别为80.5%和75.6%,对预测集的最优总识别正确率为74.4%.识别结果表明SVM能够比较好的提取原始变量间的细微模式变化,对CPP总的识别结果优于LDA.