计算机科学 ›› 2006, Vol. 33 ›› Issue (12): 159-161.
• 计算机网络与信息安全 • 上一篇 下一篇
出版日期:
发布日期:
基金资助:
Online:
Published:
摘要： 在药物设计中，可以利用药物分子的构效关系模型进行药物活性的预报，从而降低药物开发的成本、缩短开发的周期。本文尝试结合Co-Training方法和嵌入式特征选择方法，提出了一种新的FESCOT（Feature Selection for Co-Training）算法。算法在药物活性数据集上进行了实验，结果显示结合了特征选择的Co-Training方法较之以前泛化能力有所提高。
关键词: 药物活性 半监督学习 特征选择
Abstract: The activity of drug molecule can be predicted by the QSAR （Quantitative Structure Activity Relationship） model, which overcomes the disadvantages of high cost and long cycle with the traditional experimental method only. With the fact that the number of
Key words: Molecular aetivity,Semi-supervised learning,Feature selection
. 用于药物活性预报的Co-Training方法[J]. 计算机科学, 2006, 33(12): 159-161. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2006/V33/I12/159
Cited
首页