蛋白质结构预测 支持向量机的应用

统计学习理论是在上个世纪90年代逐渐成熟的机器学习理论，以这种理论为基础的支持向量机与以往的学习机器相比具有支持小样本、不会陷入局部势井、具有很好的鲁棒性以及运算成本低等优势。实现这种理论的支持向量机算法已经成为机器学习和知识挖掘的标准工具。从2001年支持向量机首次被运用进行蛋白质二级结构的预测以来，这种算法已经被用于对于蛋白质的结构类型、亚细胞结构和膜蛋白的结构等领域的预测中。本书对运用支持向量机进行蛋白质结构预测进行了前瞻性的探索并取得了一定的结果。