SVM與ESOM在生物序列對比與預(yù)測中的應(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)展的時期。生物序列對比的快速發(fā)展使得海量生物數(shù)據(jù)的處理變得更加方便，對于探索和揭示生物的內(nèi)在信息十分有利。
　　 過去的生物序列對比研究主要是基于傳統(tǒng)統(tǒng)計學(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)計學(xué)對生物數(shù)據(jù)的分析主要使用線性化的方式，因此，處理時間冗長，

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(SVM)和涌現(xiàn)自組織特征映射(ESOM)應(yīng)用到生物序列對比的研究中是有益的嘗試。
　　 支持向量機擁有對高維數(shù)據(jù)分類性能良好的特點，神經(jīng)網(wǎng)絡(luò)具備聯(lián)想記憶、優(yōu)化計算、知識處理、分類與識別和非線性映射的特點。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的使用對于序列對比問題的研究能

3、夠解決分類結(jié)果不直觀、神經(jīng)元競爭與協(xié)同不充分等問題。
　　 本文將這二者結(jié)合起來，應(yīng)用于基因序列的對比。在研究和實驗的過程中，建立了識別模型，首先對基因序列數(shù)據(jù)進(jìn)行預(yù)處理，這就要對基因序列進(jìn)行賦值，使其變?yōu)閿?shù)值化的序列數(shù)據(jù)；隨后要對數(shù)值化后的基因序列數(shù)據(jù)進(jìn)行歸一化，并對歸一化后的序列數(shù)據(jù)做交叉驗證，從而實現(xiàn)對其特征的提取。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