SVM與ESOM在生物序列對(duì)比與預(yù)測(cè)中的應(yīng)用研究.pdf

1、在新的世紀(jì)，隨著生物學(xué)理論的全面快速發(fā)展，以生物序列對(duì)比為代表的生物信息學(xué)也受到了極大的重視并進(jìn)入了快速發(fā)展的時(shí)期。生物序列對(duì)比的快速發(fā)展使得海量生物數(shù)據(jù)的處理變得更加方便，對(duì)于探索和揭示生物的內(nèi)在信息十分有利。
　　 過(guò)去的生物序列對(duì)比研究主要是基于傳統(tǒng)統(tǒng)計(jì)學(xué)的理論，在海量數(shù)據(jù)和信息的處理中存在很大的隨機(jī)性和不確定性，受到人為因素的干擾和影響是十分明顯的。由于傳統(tǒng)統(tǒng)計(jì)學(xué)對(duì)生物數(shù)據(jù)的分析主要使用線性化的方式，因此，處理時(shí)間冗長(zhǎng)，

2、效率低下。所以，把具有良好的數(shù)據(jù)分析性能的支持向量機(jī)(SVM)和涌現(xiàn)自組織特征映射(ESOM)應(yīng)用到生物序列對(duì)比的研究中是有益的嘗試。
　　 支持向量機(jī)擁有對(duì)高維數(shù)據(jù)分類性能良好的特點(diǎn)，神經(jīng)網(wǎng)絡(luò)具備聯(lián)想記憶、優(yōu)化計(jì)算、知識(shí)處理、分類與識(shí)別和非線性映射的特點(diǎn)。涌現(xiàn)自組織特征映射是基于涌現(xiàn)的思想產(chǎn)生的，其輸出層是由大量神經(jīng)元構(gòu)成的，并且能夠把聚類的結(jié)果映射到超環(huán)面，形成可視化的直觀圖形。SVM和ESOM的使用對(duì)于序列對(duì)比問(wèn)題的研究能

3、夠解決分類結(jié)果不直觀、神經(jīng)元競(jìng)爭(zhēng)與協(xié)同不充分等問(wèn)題。
　　 本文將這二者結(jié)合起來(lái)，應(yīng)用于基因序列的對(duì)比。在研究和實(shí)驗(yàn)的過(guò)程中，建立了識(shí)別模型，首先對(duì)基因序列數(shù)據(jù)進(jìn)行預(yù)處理，這就要對(duì)基因序列進(jìn)行賦值，使其變?yōu)閿?shù)值化的序列數(shù)據(jù)；隨后要對(duì)數(shù)值化后的基因序列數(shù)據(jù)進(jìn)行歸一化，并對(duì)歸一化后的序列數(shù)據(jù)做交叉驗(yàn)證，從而實(shí)現(xiàn)對(duì)其特征的提取。其次，要在ESOM網(wǎng)絡(luò)中構(gòu)建合理網(wǎng)絡(luò)模型，包括構(gòu)建合理的輸出層、確定訓(xùn)練模式、初始化權(quán)值向量、選擇鄰域半徑和