基于半监督学习的蛋白质相互作用预测模型

来源：计算机技术与发展杂志2021年第07期北京时间：

作者：安计勇;';闫子骥;'

单位：1. 中国矿业大学 矿山数字化教育部工程研究中心,江苏 徐州 221000;2. 中国矿业大学 计算机科学与技术学院,江苏 徐州 221000

摘要：基于有监督学习的预测模型在预测过程中存在以下缺陷:一是过分依赖训练集中有标签样本的数量, 导致分类精度受有标签样本数量多少的制约;二是其预测分类一次完成, 导致大量的无标签样本无法用来修正分类器的预测精度,大量数据信息被浪费,从而影响分类性能。 针对以上问题,该文提出一种基于 AP 聚类与 Renyi 熵融合的自训练半监督相关向量机分类预测模型。 该模型通过 AP 聚类分析与 Renyi 熵来共同标记无标签样本的标签类别,筛选置信度高的无标签样本扩充原有训练集进行自训练迭代分类,降低噪声数据对分类器预测精度的影响,构造出了性能最优的基于半监督学习的蛋白质相互作用预测模型。 通过在 M. musculus、H. pylori 和 H. sapiens 蛋白质相互作用数据集上的实验验证,证明了提出的半监督分类预测模型的有效性。

关键词：相关向量机;半监督学习;自训练;AP 聚类;Renyi 熵;分类预测