个人总结和展望.pptVIP

我做的工作就是简单的分类，利用已经有的样例训练出一个模型，然后根据模型来分类未知的数据。这个工作中主要的创新点就是使用集成分类器去预测，可以大大提高预测的准确性，而且使用RNAfold特征提取方法，大大减少了时间耗费。 * 下面介绍miRFam使用n-gram的特征提取方法 由于miRNA只有四个碱基，miRFam使用4个唯一的unigram，42个唯一的bigram，43个唯一的trigram，一共有4+42+43 =84个特征( A,C,G,U,AA,AC,AG,AU,CA,CC,CG,CU……) miRFam使用集中系数的概念来把这些不同的特征整合成一个特征向量，首先，定义类型i的唯一n-gram的数量用Ni表示，类型i的集中系数就是： Ci =Ni／∑3j=1Nj , i=1,2,3 当然我么可以得到： C1=4/4+16+64=0.048 C2=16/4+16+64=0.190 C3=64/4+16+64=0.762 然后特征向量可以通过下面的公式计算： fj = tj/Ti*Ci, 1=j=84 其中，tj是某一种类型i的唯一的n-gram的出现频率，Ti是类型i的所有的唯一n-gram的出现频率。特征向量包含84维，每一维对应于某一种类型i (i =1,2,3,4)的一种n-gram。 * The three layers prediction metho