基于模糊支持向量机的剪接位点识别

？为了提高模糊支持向量机(fsvm)对剪接位点的识别精度，提出一种计算样本隶属度的新方法。将样本到两聚类中心的距离比值作为样本的初始隶属度，采用k近邻(knn)方法计算样本的紧密度，最后将初始隶属度与紧密度的乘积作为样本的最终隶属度，这样既提高了支持向量的隶属度，又降低了噪声样本的隶属度。将此方法应用到剪接位点的识别中，对组成性5′和3′剪接位点的识别精度分别达到了94.65%和88.79%，与经典支持向量机相比，3′剪接位点的识别精度提高了7.94%。