فایل پی دی اف کامل مقاله isi یک مدل جنگل تصادفی چند کلاسه (MCRF) برای طبقه بندی پپتیدهای گیاهی کوچک PDF

توجه : این فایل به صورت فایل PDF (پی دی اف) ارائه میگردد

 فایل پی دی اف کامل مقاله isi یک مدل جنگل تصادفی چند کلاسه (MCRF) برای طبقه بندی پپتیدهای گیاهی کوچک PDF دارای ۱۰ صفحه می باشد و دارای تنظیمات و فهرست کامل در PDF می باشد و آماده پرینت یا چاپ است

فایل پی دی اف فایل پی دی اف کامل مقاله isi یک مدل جنگل تصادفی چند کلاسه (MCRF) برای طبقه بندی پپتیدهای گیاهی کوچک PDF  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل پی دی اف کامل مقاله isi یک مدل جنگل تصادفی چند کلاسه (MCRF) برای طبقه بندی پپتیدهای گیاهی کوچک PDF،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل پی دی اف کامل مقاله isi یک مدل جنگل تصادفی چند کلاسه (MCRF) برای طبقه بندی پپتیدهای گیاهی کوچک PDF :

دانلود فایل پی دی اف کامل مقاله isi یک مدل جنگل تصادفی چند کلاسه (MCRF) برای طبقه بندی پپتیدهای گیاهی کوچک PDF

موضوع انگلیسی:A multi class random forest (MCRF) model for classification of small plant peptides

فرمت فایل: pdf

تعداد صفحه:۱۰

چکیده

تحقیق در مورد طبقه بندی دسته های مختلف پپتیدهای کوچک به چالشی برای حوزه بیوانفورماتیک تبدیل شده است. با این حال، مدل های یادگیری ماشین پتانسیل خود را برای مقابله با چنین برنامه هایی نشان داده اند. ما یک طبقه‌بندی جنگل تصادفی چند کلاسه (MCRF) برای طبقه‌بندی پپتیدهای کوچک پیشنهاد می‌کنیم که با طبقه‌بندی‌کننده‌های پیشرفته از جمله ماشین بردار پشتیبانی با هسته RBF (SVM + RBF)، بیز ساده (NB)، درخت تصمیم (C5) مقایسه می‌شود. .۰)، جنگل تصادفی (RF). توالی پپتیدهای کوچک از مخزن ARA-PEPs انتخاب شده اند (Hazarika, et al., 2017) که در آن ۱۳۷۴۸ پپتید کوچک با شش دسته (یعنی ترشح شده، sORF، پپتیدهای ناشی از استرس (SIP)، ترشح شده-sORF، sORF-SIP فایل پی دی اف کامل مقاله isi یک مدل جنگل تصادفی چند کلاسه (MCRF) برای طبقه بندی پپتیدهای گیاهی کوچک PDF
فهرست شده اند. ، SIP ترشح می شود). در مجموع ۲۷ ویژگی برای هر توالی پپتیدهای کوچک برای تهیه داده ها واکشی شده است. مقایسه با استفاده از معیارهایی مانند F-Value، Sensitivity، Specificity، ROC و FP نرخ با برخی اعتبارسنجی آماری مانند آمار کاپا و آزمون رتبه‌بندی علامت Wilcoxon انجام می‌شود. نتایج این مطالعه نشان می‌دهد که طبقه‌بندی‌کننده پیشنهادی پتانسیل طبقه‌بندی دقیق داده‌های نامتعادل چند سطحی را دارد.