一种基于GS＋LQ采样学习的DNA微阵列数据分类方法.pdfVIP

第 32卷 第 1期 Vo1．32，No．1 2015年 1月28日 计算机与应用化学 tcrsandAppliedCL January 28．2015 一 种基于GS+LQ采样学习的DNA微阵列数据分类方法 陈念 ，汪新 (1．池州学院数学与计算机科学系，安徽，池州，247000 2．池州学院材料与化学工程系，安徽，池州，247000) 摘要：以DNA微阵列数据分类为应用背景，提出一种GS+LQ采样训练方法，每轮采样依照 “GS优先，LQ备用”的思路，优 先选择训练后能生成最佳分类效果的样本进行标注学习，在GS失效的轮次，LQ作为备用方法选择学习对象。该方法综合了“快” 和 “稳”的特点，在实现相同精度 目标下，相对于单一 LQ采样，能进一步压缩训练成本，尤其在分类器初始分类经验匮乏的 条件下，该优势体现更为明显。将GS+LQ与ND、MRE等常用采样方法进行实验对比，发现在促使识别能力 “由高向更高” 演化时，3种方法的差别并不明显，但在推进分类器精度 “由低向高”进化时，GS+LQ的效率会高出很多。 关键谰：全局搜索；局部查询；采样学习；DNA微阵列；最佳分类效果 中图分类号：TP181；Q812 文献标识码：A 文章编号：1001．4160(2015)012O．24 DoI：10．11719／com．app．che 1 引言 每轮采样时，GS(GlobalSearch)首先被使用 ，它着眼全局 选择对象，试 图让分类器增量学习它选 中的样本后，分 DNA微阵YJl(MicroArray)q~的基因表达谱能够准确 类平面能快速调整到最接近真实平面的位置。但 GS会 描述生物特性，依据基因特征对生物信息进行分类有着 出现失效的情况 ，即采样结果不适用于训练，则本轮学 广泛的应用，如区分正常机体与疾病机体，DNA测序I， 习所需的对象 由LQ(LocalQuery)在局部范围内选择，当 基因突变检测[2】，癌症的诊断与分型[34。，药物分子活性 前分类平面附近不确定性最高的样本会被选中。通过在 检测 5【】等。机器在经训练后可掌握对生物信息 自动分类的 DNA 微阵列数据集…】上进行多种采样方法学习效果的 能力，本文是基于影响分类器学习效果的2个因素展开 比较，GS+LQ的有效性得到了验证。 讨论的：一是应用环境能提供的用于训练的 “经验样本” 数量不足；再是样本间信息冗余，即多个样本的机器训 2 采样学习方法与分析 练价值类似 ，重复的标注学习在增加成本的同时，不能 2．1 采样学习 为识别率的提高带来实质的帮助。采样学习方法能有效 设样本集X=LnUL，训练集 L={xi，yi)，它为分 解决上述问题，它通过算法在无标签集中选择样本，查 类模型 ，提供经验，备选集 uL={xi}提供待查询样本， 询其标签后添加到训练集的方式，能训练出与全监督学 yi为类别标号。．，在学习L中的数据后生成模型参数 0L， 习精度相仿的模型，而只需要后者 log级的样本数量 6【J，