[發(fā)明專利]一種基于svm算法的干細(xì)胞活性檢測(cè)系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201610165592.1
• 申請(qǐng)日: 2016-03-22
• 公開（公告）號(hào): CN107220654A
• 公開（公告）日: 2017-09-29
• 發(fā)明（設(shè)計(jì)）人: 李剛;張玥
• 申請(qǐng)（專利權(quán)）人: 李剛
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 上海申新律師事務(wù)所31272
• 代理人: 夏海天

1.一種基于svm算法的干細(xì)胞活性檢測(cè)系統(tǒng)，其特征在于，該系統(tǒng)包括有子集生成單元、子集評(píng)價(jià)單元、停止條件單元、結(jié)果驗(yàn)證單元；

子集生成單元實(shí)質(zhì)上是一個(gè)搜索的過程，從搜索點(diǎn)出發(fā)，在一定的范圍內(nèi)適當(dāng)?shù)靥砑踊蛘咭瞥煌卣饕援a(chǎn)生新的子集，提供給評(píng)價(jià)函數(shù)，不同的搜索方法意味著不一樣的搜索效率和不一樣的選擇結(jié)果；

子集評(píng)價(jià)單元根據(jù)特定的評(píng)估準(zhǔn)則來判斷每個(gè)子集的優(yōu)良程度，不同的評(píng)價(jià)標(biāo)準(zhǔn)可能導(dǎo)致不一樣的最優(yōu)子集，在特征選擇過程中，每進(jìn)行一次新的子集評(píng)價(jià)，都要將新的評(píng)價(jià)值和之前的最優(yōu)評(píng)價(jià)值進(jìn)行比較，再選出當(dāng)前評(píng)價(jià)值最優(yōu)的子集；

停止條件單元是指特征選擇算法滿足一定條件下停止搜索，否則子集搜索過程一直持續(xù)，常用的停止準(zhǔn)則有三種：

a)達(dá)到了用戶事先設(shè)定的最大迭代次數(shù)或指定特征數(shù)；

b)特征子集數(shù)目的增加或減少都不能獲得更好的評(píng)價(jià)指標(biāo)；

c)已經(jīng)找到當(dāng)前評(píng)價(jià)函數(shù)或用戶需求的最優(yōu)子集；

結(jié)果驗(yàn)證單元是驗(yàn)證所選特征子集的有效性，最直接的驗(yàn)證方法就是分別對(duì)原始數(shù)據(jù)集和經(jīng)過特征選擇后得到的數(shù)據(jù)集進(jìn)行訓(xùn)練、預(yù)測(cè)，然后比較前后兩種訓(xùn)練模型的復(fù)雜度和預(yù)測(cè)精度。

2.根據(jù)權(quán)利要求1所述的一種基于svm算法的干細(xì)胞活性檢測(cè)系統(tǒng)，其特征在于，在模式識(shí)別領(lǐng)域，支持向量機(jī)最初是在研究線性可分問題中提出的，對(duì)于大小為Z的數(shù)據(jù)集{(x_i，y_i),i＝1,2,….,l},x_i是d是d維輸入向量Y的樣本標(biāo)簽為{一1，1}，如果存在最優(yōu)分類面y＝W.x+6能將樣本正確分成兩類，則定義d維特征空間中的線性判別函數(shù)為，(x)＝W.x+b，

此時(shí)任意樣本x.到最優(yōu)分類面的距離為

ε_i＝y(tǒng)_i(w·x_i+b)＝|w·x_i+b|。

3.根據(jù)權(quán)利要求1所述的一種基于svm算法的干細(xì)胞活性檢測(cè)系統(tǒng)，其特征在于，類間隔(Margin)就是劇與加之間的距離，并使兩類樣本都滿足：

Fxi≥1，，

再將歸一化后得到不同類之間的距離(幾何間隔)

因?yàn)闃颖镜恼`分次數(shù)N與分類間隔萬存在著如下關(guān)系

N≤2Rδ2

所以我們以最大化分類間隔為目標(biāo)，換取最小的誤差上界，而最大化分類間：

2||w||就是最小化||w||

就是最小化||w||,因此滿足約束條件下的目標(biāo)函數(shù)為；

即該問題最終用二次規(guī)劃求得

其中，x_i和x_j為兩個(gè)類別中任意一對(duì)支持向量，決策函數(shù)為：

f(x)=sgn(Σi=1laiyi(xi·xj)+b);]]>

其中，X是待測(cè)試的樣本。