VR-BFDT公司 swMATH ID: 22448 软件作者： Golzari，法希米；赛义德·贾利利 描述： VR-BFDT：一种基于方差减少的二元模糊决策树归纳方法，用于蛋白质功能预测。在蛋白质功能预测（PFP）问题中，目标是预测许多功能尚不明确的序列良好的已知蛋白质的功能。PFP是机器学习领域中一个特殊而复杂的问题，其中一个蛋白质（例如）可能同时具有多个功能。此外，函数（视为类）是相关的，并且以树或有向无环图的形式组织在层次结构中。为解决此问题提出的一种常见学习方法是决策树，在决策树中，通过将数据划分为清晰的边界集，新实例的属性值的微小变化可能会导致实例的预测标签发生错误变化，最终导致错误分类。本文提出了一种基于方差约简的二元模糊决策树（VR-BFDT）算法来预测蛋白质的功能。该算法只是模糊化决策边界，而不是将数字属性转换为模糊语言项。它能够同时为每个蛋白质分配多个功能，并保持功能类之间的层次一致性。它使用标签方差约简作为分割标准，在决策树的每个节点上选择最佳的“属性值”。实验结果表明，该算法的整体性能良好。 主页： https://www.ncbi.nlm.nih.gov/pubmed/25865524 关键词： 机器学习;分层多标签分类;蛋白质功能预测;保持一致性 相关软件： iPro54-PseKNC;iLoc-Gpos公司;iLoc-工厂;邻硝基-Tyr;iTIS-SeTNC公司;iRSpot PseDNC公司;iLoc-动物;iLoc-Virus病毒;国际RSpot-TNCPseAAC 引用于： 1文件 标准条款 1出版物描述软件，包括1出版物以zbMATH为单位 年份 VR-BFDT：一种用于蛋白质功能预测的基于方差减少的二元模糊决策树诱导方法。 Zbl 1341.92052号法希梅·戈尔扎里;赛义德·贾利利 2015 2位作者引用 1 法希梅·戈尔扎里 1 赛义德·贾利利 连载1篇 1 理论生物学杂志 在2个字段中引用 1 计算机科学（68至XX） 1 生物学和其他自然科学（92-XX） 按年份列出的引文