Apr, 2017

GaKCo：一种使用计数的快速 Gapped k-mer 字符串核函数

PDF
TL;DR该论文提出了一种使用累计计数和关联阵列计算子字符串共出现的算法 （GaKCo），用于快速分类 DNA、蛋白质和字符文本。 和最先进的 gk-SK 相比，GaKCo 算法的时间复杂度独立于标兵符号数，并且实验结果表明它的精度相同，速度快两倍到四倍。
string kernelgapped k-merassociative arrayscumulative countingparallelizable
发现论文，激发创造
  • 基于字符串核的序列分类的高效近似算法

    本文中，我们提出了一种新的技术，能够高效准确地估计序列之间的相似度得分，从而增加了序列分类方法在音频、图像和文本序列中的应用广度，并且取得了良好的理论和实验表现。

    Dec, 2017

  • 高效近似内核基于尖峰序列分类

    利用敏化和信息增益的方式改善了近似核在分类冠状病毒 (SARS-CoV-2) 突刺蛋白序列变异的性能，与基线和现有的健康医疗领域方法相比，我们的方法在两个数据集上都表现出更好的性能。

    Sep, 2022

  • 基于随机特征的高效全局字符串核函数：超越子结构计数

    使用全局字符串内核通过随机特征映射来维护正定性并避免对角线支配的内核矩阵，具有与字符串长度和训练字符串样本数量的线性训练成本。

    Nov, 2019

  • KMC 3: k-mer 统计及操作

    介绍了 KMC2 算法的显著改进 ——KMC3 以及用于操作 k-mer 数据库的 KMC 工具，这些工具的有用性在一些真实问题上得到了验证。

    Jan, 2017

  • 快速收敛的任意时间模型计数

    本篇论文设计了一种基于部分知识编译的新型近似模型计数方法 PartialKC，其在可伸缩性和准确性方面都表现显著优于以前的近似计数器，并可以收敛于精确计数器，实验证明其具有精确计数器可比的性能。

    Dec, 2022

  • 循环核网络

    本文探讨了 RNN 与 Substring kernel 之间的联系，并将卷积核网络与序列间的间隙相关联，推出了一种新的用于蛋白质分类的递归神经网络，允许端到端的训练，实验结果表明与现有方法相比，我们的方法更加适用于生物序列。

    Jun, 2019

  • KiloGrams：用于恶意软件分类的大型 N-Grams

    本篇论文提出了一种快速找出 top-k 频繁 n-gram 的方法，并演示了即便在 n 的规模极大时，n-gram 仍然具有分类预测的能力，同时可用于创建工业标准工具如 Yara 兼容的通用签名特征，且公共 ngram 文件的数量可用于训练 Gradient Boosted Decision Tree 模型。

    Aug, 2019

  • 基于 Tanimoto 随机特征的可扩展分子机器学习

    本文提出了两种新型随机特征的方法，使得 Tanimoto 系数可以适用于大型数据集，并发现了内核的新扩展，实验表明这些内核适用于分子属性预测和优化任务。

    Jun, 2023

  • 稳健核稀疏子空间聚类

    我们提出了一种新的鲁棒核稀疏子空间聚类（RKSSC）算法，可用于具有严重稀疏损坏的数据，该算法可以通过核技巧将非线性问题转化为映射后的高维特征空间中的线性问题，以实现对这种类型损坏的稳健性。

    Jan, 2024

  • 大规模数据聚类问题的加速稀疏核谱聚类

    改进版本的稀疏多维核谱聚类算法中，通过改良的方法提高了计算效率，并在合成数据和图像分割等实际问题上进行了计算实验，取得了理论和实际改进的结果。

    Oct, 2023