20974.基于svm分類機(jī)的dna序列分類方法

1、學(xué)位論文獨(dú)創(chuàng)性聲明U／_9293U5學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不包含為獲得直昌太堂或其他教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示謝意。學(xué)位論文作者簽名(手寫(xiě))／筵寸簽字日期：加／口年，2月憾日學(xué)位論文版權(quán)使用授權(quán)

2、書(shū)本學(xué)位論文作者完全了解直昌太堂有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和磁盤(pán)，允許論文被查閱和借閱。本人授權(quán)直昌太堂可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編本學(xué)位論文。同時(shí)授權(quán)中國(guó)科學(xué)技術(shù)信息研究所和中國(guó)學(xué)術(shù)期刊(光盤(pán)版)電子雜志社將本學(xué)位論文收錄到《中國(guó)學(xué)位論文全文數(shù)據(jù)庫(kù)》和《中國(guó)優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫(kù)》中全文發(fā)表，并通過(guò)網(wǎng)絡(luò)向社會(huì)公

3、眾提供信息服務(wù)。(保密的學(xué)位論文在解密后適用本授權(quán)書(shū))學(xué)位論文作者簽名(手寫(xiě))：／炙●I于簽字日期：2o(o年／j月／8日導(dǎo)師簽名(手寫(xiě))：鄉(xiāng)毒工‘z人簽字日期：痧形1，年，2月，∥日摘要摘要隨著人類基因組計(jì)劃的順利完成和各種后基因組計(jì)劃的開(kāi)始實(shí)施，出現(xiàn)了海量的生物分子數(shù)據(jù)，這使得科學(xué)家們需要分析大量DNA數(shù)據(jù)。如何充分利用這些數(shù)據(jù)，進(jìn)而揭示這些數(shù)據(jù)的內(nèi)涵，得到對(duì)人類有用的生物信息，是科學(xué)家們面臨的一個(gè)嚴(yán)峻的挑戰(zhàn)【l】。DNA序列的處理

4、方法一般是先尋找一種數(shù)學(xué)模型用以表示DNA，再借助其它工具對(duì)其進(jìn)行分析。支持向量機(jī)(SVM)是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來(lái)的新算法，該算法是一種模式識(shí)別技術(shù)，相當(dāng)于一種模式分類器。其訓(xùn)練算法本質(zhì)上是一個(gè)凸二次規(guī)劃的求解問(wèn)題。它在解決小樣本、非線性及高維模式識(shí)別中表現(xiàn)出許多特有的優(yōu)勢(shì)，并在文本分類、生物信息、語(yǔ)音識(shí)別、遙感圖像分析、故障識(shí)別和預(yù)測(cè)、時(shí)間序列預(yù)測(cè)、信息安全等諸多領(lǐng)域有了成功的應(yīng)用【2一。本文采用SVM算法對(duì)DNA序列進(jìn)行分類

5、。為了提供算法所需要的輸入數(shù)據(jù)格式，首先要將DNA序列用數(shù)學(xué)模型表示出來(lái)。SVM對(duì)輸入數(shù)據(jù)的格式要求是表示成特征向量的形式。因此本文從DNA序列中單個(gè)堿基的含量和DNA序列的長(zhǎng)度出發(fā)，結(jié)合滑動(dòng)窗口方法計(jì)算出DNA序列中特征序列的出現(xiàn)頻率，提取出DNA序列的特征，將DNA序列表示成特征向量的形式，然后根據(jù)SVM算法對(duì)已知類別標(biāo)簽的DNA序列訓(xùn)練樣本做訓(xùn)練得到分類超平面，利用此超平面分類DNA序列的測(cè)試樣本。分類結(jié)果表明這種提取特征的方法具

6、有很好的分類精度。本文對(duì)SVM算法采用Matlab實(shí)現(xiàn)。典型二分類中的數(shù)據(jù)采用文獻(xiàn)[9]dg的數(shù)據(jù)。首先對(duì)已知類別的1～20個(gè)人工DNA序列進(jìn)行SVM算法訓(xùn)練，利用參數(shù)尋優(yōu)得到分類器。根據(jù)分類結(jié)果的精度反饋，進(jìn)一步選擇是否對(duì)數(shù)據(jù)歸一化和降維等操作對(duì)結(jié)果進(jìn)行優(yōu)化，得到最佳的分類超平面。然后對(duì)另外的20個(gè)人工DNA序列和182個(gè)自然DNA序列進(jìn)行分類預(yù)測(cè)。典型的SVM算法是一個(gè)二分類問(wèn)題，DNA序列的多類分類實(shí)現(xiàn)是利用SVM的多類分類理論和