[發(fā)明專利]基于Adaboost、BP神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林融合的mirco-RNA前體識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910141438.4
• 申請(qǐng)日: 2019-02-26
• 公開(kāi)（公告）號(hào): CN109872773A
• 公開(kāi)（公告）日: 2019-06-11
• 發(fā)明（設(shè)計(jì)）人: 胡楊;逄龍;程亮;張凝一;趙天意
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號(hào): G16B20/00
• 分類號(hào): G16B20/00;G06N3/04
• 代理公司: 北京天奇智新知識(shí)產(chǎn)權(quán)代理有限公司 11340
• 代理人: 范光曄

1.一種基于Adaboost、BP神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林融合的mirco-RNA前體識(shí)別方法，其特征在于，包括以下步驟：

步驟1：從pre-miRNA序列中提取N個(gè)特征；

步驟2：通過(guò)提取特征及其相應(yīng)的標(biāo)簽建立N/2個(gè)BP分類器和N/2個(gè)RF分類器；

步驟3：在訓(xùn)練和建立分類器時(shí)，計(jì)算每個(gè)分類器獲得的相應(yīng)權(quán)重；

步驟4：組合弱權(quán)重分布的分類器獲得強(qiáng)分類器。

2.根據(jù)權(quán)利要求1所述識(shí)別方法，其特征在于，所述步驟1中從pre-miRNA序列中提取N個(gè)特征包括一級(jí)序列特征和二級(jí)序列特征；

所述一級(jí)序列特征為N-Gram頻率，選擇N值為3，在指定序列的三核苷酸組中存在64個(gè)組合，獲得總共64維頻率特征作為N-Gram頻率特征；

所述二級(jí)序列特征包括三重結(jié)構(gòu)序列、堿基對(duì)含量特征和MFE功能；其中，所述三重結(jié)構(gòu)序列為對(duì)于任何三個(gè)核苷酸單元，有8個(gè)可能的組合，考慮三個(gè)字符組的第一個(gè)核苷酸，有32個(gè)不同的組合；所述堿基對(duì)含量特征為miRNA序列中的核苷酸配對(duì)G-C配對(duì)的頻率；MFE功能為最小自由能。

3.根據(jù)權(quán)利要求1所述的識(shí)別方法，其特征在于，所述步驟2中相應(yīng)標(biāo)簽為0表示陰性樣本，1表示陽(yáng)性樣本。

4.根據(jù)權(quán)利要求1所述的識(shí)別方法，其特征在于，所述步驟2中建立N/2個(gè)BP分類器和N/2個(gè)RF分類器的方法為:

對(duì)于給定的多個(gè)分類訓(xùn)練數(shù)組，輸入數(shù)據(jù)T＝{(x₁,y₁),…,(x_N,y_N)}，具有任意整數(shù)標(biāo)簽，其中，T代表輸入數(shù)據(jù)，x代表特征，y代表分類標(biāo)簽；

首先，初始化訓(xùn)練集權(quán)重，設(shè)置每個(gè)樣品的初始重量為1/N；則權(quán)重表示如下：

然后，通過(guò)RF和BP獲得分類器G_m(x)，G_m(x)則代表集成分類器中的弱分類器，共由N個(gè)弱分類器集成，其中BP和RF各N/2個(gè)。

5.根據(jù)權(quán)利要求1所述的識(shí)別方法，其特征在于，所述步驟3的具體步驟為：

計(jì)算G_m(x)的誤差：

得到弱分類器的權(quán)重，如下：

更新樣本權(quán)重：

計(jì)算標(biāo)準(zhǔn)化因子：

重復(fù)上面的過(guò)程，m為弱分類器的標(biāo)號(hào)，m取值為1到M，M取N，可以得到多個(gè)分類器和相應(yīng)的權(quán)重。

6.根據(jù)權(quán)利要求1所述的識(shí)別方法，其特征在于，所述步驟4的具體步驟為：計(jì)算得到最終的強(qiáng)分類器，如下：