论文部分内容阅读
奇异值分解(SingularValueDecomposition)是一种有效的代数特征抽取方法,在描述矩阵数据分布特征上具有多项优良特性.它能够捕获矩阵数据的重要基本结构,可以反映矩阵的代数本质,它在图像压缩、信号处理和模式识别等领域中都有着广泛的应用.本文将SVD分解应用于生物信息上,应用到两个研究方向上。其一是将奇异值分解应用到蛋白质二级结构预测上,在神经网络中对数据挑选过程中应用SVD方法进行挑选训练集,以达到使预测效果更好的目的;其二是在对基因芯片数据进行聚类分析,其中在对数据处理上应用到了奇异值分解方法,以使聚类更加合理,效果更加好.总之,奇异值分解算法是一个应用非常广泛的方法,我们可以在以后的科研过程中更好的利用它。