摘要：提出一种基于两步特征加权的模糊支持向量机算法.首先,利用信息增益算法获取样本的特征权重.然后,计算最大权重的特征与其他特征间的斯皮尔曼相关系数,并将二者相乘后再与原有的特征权重相加,得到新的特征权重,减少弱相关和不相关特征对分类造成的影响.最后,在设计样本模糊隶属度时,不仅考虑样本与类中心的距离,还引入了样本间的亲和度,并将二者进行融合,以此减弱样本分布不均对分类精度的影响.在UCI数据集上的实验表明,与现有流行的几种模糊支持向量机算法相比,所提算法在准确率和F1值上得到了提升.

摘要：能否准确识别糖化位点对理解糖化的分子机制有着重要意义。传统的实验方法工作量大、耗时长,因此迫切需要开发计算辅助方法来预测糖化位点。设计了一种新的模糊支持向量机算法,该算法放大了重要特征与弱相关特征间的权重之差,同时考虑了样本内部的分布情况,能够有效地处理糖化修饰位点预测中含有噪声数据的问题。基于所提出的模糊支持向量机算法结合双剖面贝叶斯(Bi-Profile Bayes,BPB)特征提取方法构建了一个新的赖氨酸糖化位点的模型——FSVM_GlySite。十折交叉验证结果表明,FSVM_GlySite的预测效果优于现有的几种糖基化位点预测器。

摘要：探讨了大坝安全监控知识库系统的设计、知识表示方法的研究、知识获取模型的建立。