支持向量机和线性判别分析用于禽流感病毒编码蛋白识别

以支持向量机(SVM)和线性判别分析(LDA)对200条禽流感病毒、100条B型流感和100条C型流感病毒蛋白共400条为训练集样本, 从表征序列的200个整体与局部变量中以逐步(stepwise)方法选取24个变量作为LDA模型的输入建立线性识别模型, 病毒蛋白总识别率达 99.8%, 留一法交互检验总识别率为99.4%. 从原始200变量中经主成分分析得16个主成分作为SVM的输入, 以径向基核函数(RBF)SVM建立非线性识别模型, 病毒蛋白总识别率为99.8%, 留一法交互检验总识别率为99.2%. 以100条禽流感、50条B型流感和50条C型流感病毒编码蛋白质共200条为测试集样本, 得LDA模型, 对其总识别正确率为95.4%, SVM模型对其总识别正确率为96.5%. 识别结果表明, 两个模型都可较好识别禽流感病毒蛋白, 并且SVM对禽流感病毒蛋白的识别结果优于LDA.