关于DNA序列分类问题的模型91278.pdfVIP

第 3 1 卷第 1 期 数学的实践与认识 V o l3 1　N o 1　 200 1 年 1 月 M A TH EM A T IC S IN PRA CT ICE AN D TH EO R Y J an. 200 1　 . . sequ en ce s T h e secon d is th e p er iod ic p rop er ty o f th e DN A sequ en ce s T h e th ird is th at am oun t . , o f in fo rm at ion o f th e sequ en ce s B y u sing th is m ethod w e cla ssify th e n atu re sequ en ce s an d . , ar t ifica l sequ en ce s A t la st w e an a lyze th e ch aracter ist ic in th is m ode l an d con sider th e . gen era lizat ion o f th is m ode l 关于D NA 序列分类问题的模型 冯　涛, 　康吉吉雯, 　韩小军 指导老师: 　贺明峰 (大连理工大学, 大连　116024) 编者按: 　本文以统计方法提取样本特征, 以之作为B P 神经网络的输入, 用M A TLAB 中相应算法进行训 练. 然后用于解决本分类问题, 得到了较准确的结果. 本文提取特征时考虑较为全面, 在此基础上正确地运 用了神经网络方法, 发挥了神经网络适用于非线性问题、具有自适应能力的优点. 思路清楚, 文字简练. 摘要: 　本文提出了一种将人工神经元网络用于DN A 分类的方法. 作者首先应用概率统计的方法对 20 个 已知类别的人工DN A 序列进行特征提取, 形成DN A 序列的特征向量, 并将之作为样本输入B P 神经网络进 ( ) ( 行学习. 作者应用了 软件包中的 神经网络工具箱 中的反向传播 M A TLAB N eu ra l N etw o rk Too lbox B ack p rop agat ion B P ) 算法来训练神经网络. 在本文中, 作者构造了两个三层B P 神经网络, 将提取的DN A 特征向 量集作为样本分别输入这两个网络进行学习. 通过训练后, 将 20 个未分类的人工序列样本和 182 个 自然序 列样本提取特征形成特征向量并输入两个网络进行分类. 结果表明: 本文中提出的分类方法能够以很高的 正确率和精度对DN A 序列进行分类, 将人工神经元网络用于DN A 序列分类是完全可行的. 1　 问题重述( 略) 序列由四个碱基