支持向量机方法(SVM)在生物学中的应用

支持向量机方法(SVM)在生物学中的应用
周春晓
【期刊名称】《中国分子心脏病学杂志》
【年(卷),期】2005(5)1
【摘要】生物信息学的一个重要的任务是对生物数据的分类和预测。

随着生物学
数据库规模的大量增长，人们越来越多的利用计算机程序自动进行分类处理。

目前，能给出最好的预测结果的计算机算法是支持向量机方法（SVM）。

SVM方法的分类的原理是基于最大化各个分类结果之间的距离（margin），因此训练模型能够
很好的适应未知数据。

大部分其他的算法实现分类是基于在训练模型中最小化误差，这样的后果是算法的适应性不强。

【总页数】1页(P409-409)
【关键词】生物学数据库;支持向量机;计算机算法;训练模型;生物信息学;计算机程序;生物数据;分类处理;分类结果;SVM
【作者】周春晓
【作者单位】
【正文语种】中文
【中图分类】R91;R730.4
【相关文献】
1.支持向量机(SVM)主动学习方法研究与应用 [J], 张健沛;徐华
2.路由器中基于支持向量机(SVM)的异常检测方法研究 [J], 卢芬;张成新
3.支持向量机(SVM)方法在气象预报中的个例试验 [J], 冯汉中;杨淑群;刘波
4.一种应用于半导体制造业的支持向量机SVM检测方法 [J], 王艳生;俞微;魏峥颖
5.支持向量机(SVM)方法在降水分类预测中的应用 [J], 杨淑群;芮景析;冯汉中因版权原因，仅展示原文概要，查看原文内容请购买。