Andere Kunden interessierten sich auch für
![Metodologia para estimar tangíveis e intangíveis nos projetos de TI]( "Metodologia para estimar tangíveis e intangíveis nos projetos de TI")
Metodologia para estimar tangíveis e intangíveis nos projetos de TI27,99 €![Herramienta para el alineamiento múltiple de secuencias usando Biojava]( "Herramienta para el alineamiento múltiple de secuencias usando Biojava")
Herramienta para el alineamiento múltiple de secuencias usando Biojava32,99 €![MOBS - Metodologia baseada em Ontologias, para registro de observações]( "MOBS - Metodologia baseada em Ontologias, para registro de observações")
MOBS - Metodologia baseada em Ontologias, para registro de observações42,99 €![Um Método Proposto para o Ensino de Algoritmos no Contexto da EAD]( "Um Método Proposto para o Ensino de Algoritmos no Contexto da EAD")
Um Método Proposto para o Ensino de Algoritmos no Contexto da EAD45,99 €![Ejercicios para el desarrollo de habilidades en Microsoft Excel]( "Ejercicios para el desarrollo de habilidades en Microsoft Excel")
Ejercicios para el desarrollo de habilidades en Microsoft Excel23,99 €![Implementación de un ERP]( "Implementación de un ERP")
Implementación de un ERP23,99 €![Identificación de Secuencias Reguladoras Mediante Agrupamiento]( "Identificación de Secuencias Reguladoras Mediante Agrupamiento")
Identificación de Secuencias Reguladoras Mediante Agrupamiento32,99 €
A previsão correta do início de tradução em sequências de mRNA é uma atividade importante para a anotação genômica. No entanto, realizar uma previsão correta nem sempre é uma tarefa trivial e, dessa forma, pode ser modelada como um problema de classificação entre sequências positivas (codificadoras de proteínas) e negativas (não codificadoras). Por ser um problema desbalanceado, já que cada molécula de mRNA possui um único início de tradução e vários outros não são iniciadores, esse trabalho focou em métodos de balanceamento que resolve o problema proposto com eficácia e eficiência. Para isso, é proposto um novo método de balanceamento do tipo undersampling baseado em Clusterização, M-Clus, além de uma nova metodologia que adiciona características às sequências e que melhora o desempenho do classificador a partir da inclusão do conhecimento obtido pelo modelo. A fim de analisar o desempenho da metodologia proposta, utiliza-se como classificador SVM (Support Vector Machines).