蛋白质是生物体中最重要的功能分子。蛋白质间的相互作用构成生命活动的基础，了解蛋白质间的相互作用可以使我们更深刻地理解生命活动的机理。 传统上，生命科学的研究是以实验为基础的。但是，生物学实验技术的快速发展，产生了海量的实验数据，而计算机计算能力的提高，则为生物学数据的高速处理提供了崭新的研究平台，这一切都有力地推动了生物信息学研究的进一步发展。如何高效地挖掘出隐藏在这些数据中的信息，是现今生物信息学中一个十分热点的问题。虽然，所有与生命科学有关的理论或结果，都必须回到实验室进行验证，但相比于实验，在计算机上分析数据或者实验模拟，可以大量地节省人力、物力以及时间，来获取信息，进一步提高生命科学研究的效率。 目前已经有了很多的现有数学工具可以用到蛋白质相互作用研究的问题上，如，支持向量机、隐马氏模型、神经网络、小波变换等。 蛋白质的一级结构可以简单地认为是一字符序列，将里面的字符赋予与之对应的数值后可以认为这是一个蛋白质信号。在共鸣识别模型中，分析蛋白质信号，得到相互作用蛋白质的特性。再加入离散小波变换的改进共鸣识别模型利用这个特性直接来分析和预测蛋白质间的相互作用。 不同物种的蛋白质有不同特性，从而有必要引入不同的判别参数来分析不同种类蛋白质内的相互作用。本文中，大量地引入酵母阳性蛋白质相互作用对经分析，发现改用信噪比作为判别参数后，预测的效率得到了提高。为了说明这个方法在改用信噪比后的有效性，我们使用大量的随机数据与阳性数据进行比对，提出比对准则，得到了两类数据的明显差异。所以，将信噪比作为判别改进共鸣模型中的参数，具有一定参考意义。