基于多度量学习方法的蛋白质二级结构预测

摘要

针对多序列蛋白质二级结构预测问题,提出了一种基于训练集自动构造原型并自适应进行距离度量学习的大间隔多度量学习模型.该方法首先采用欧氏距离的K-means聚类算法为每类样本构造原型,然后基于快速的子梯度下降算法最小化目标损失函数,以便学习输入空间中的多个局部线性变换.特别地,度量学习模型可形式化为凸半定规划问题,因此参数求解不存在局部极小值问题.CB513数据集上的实验结果表明,提出的方法不仅可以获得较好的预测精度,而且能够快速地进行蛋白质二级结构预测.