机译:使用基于加权稀疏表示的分类器和伪替换矩阵表示特征构建可靠的蛋白质-蛋白质相互作用网络
Hong Kong Polytech Univ, Dept Comp, Hong Kong, Hong Kong, Peoples R China|Shenzhen Univ, Coll Comp Sci & Software Engn, Shenzhen 518060, Guangdong, Peoples R China;
Chinese Acad Sci, Xinjiang Tech Inst Phys & Chem, Urumqi 830011, Peoples R China;
Chinese Acad Sci, Xinjiang Tech Inst Phys & Chem, Urumqi 830011, Peoples R China;
China Univ Min & Technol, Sch Informat & Elect Engn, Xuzhou 221116, Peoples R China;
Hong Kong Polytech Univ, Dept Comp, Hong Kong, Hong Kong, Peoples R China;
Hong Kong Polytech Univ, Dept Comp, Hong Kong, Hong Kong, Peoples R China;
Hong Kong Polytech Univ, Dept Comp, Hong Kong, Hong Kong, Peoples R China;
Protein-protein interaction networks; Protein sequence; Substitution matrix representation; Weighted sparse representation;
机译:通过组合MATPCA特征提取算法和加权稀疏表示模型预测蛋白质 - 蛋白质与蛋白质序列相互作用
机译:使用加权稀疏表示模型结合全局编码的基于序列的蛋白质相互作用预测
机译:连接强度加权稀疏组表示的MCI分类脑网络施工
机译:基于纯替代基质表示特征和艾滋病毒(人免疫缺陷病毒)旋转林分类器的蛋白质 - 蛋白质相互作用的序列预测
机译:基因监管网络学习稀疏矩阵表示的演变策略
机译:使用加权稀疏表示模型结合全局编码的基于序列的蛋白质-蛋白质相互作用预测
机译:使用基于加权稀疏表示的分类器和伪替换矩阵表示特征构建可靠的蛋白质-蛋白质相互作用网络