基于SVM分类机一种DNA序列判别方法.docVIP

基于SVM分类机一种DNA序列判别方法 　　摘 要：针对DNA序列类别的分属问题，提出采用支持向量机（Support Vector Machine, SVM）的方法进行分类。根据SVM分类器的要求建立特征属性空间，首先由每个DNA中4个碱基的含量得到4个特征属性，然后在此空间中扩充DNA序列长度的属性，最后根据SVM分类器对已知的DNA分类样本做训练得到分类超平面。利用此超平面检测所要分类的DNA序列，实验结果表明这种方法具有很好的分类精度。 　　关键词：SVM；DNA分类；特征属性空间；分类超平面 　　中图分类号：TP181文献标识码：A文章编号：1672-1098(2009)01-0058-05 　　收稿日期：2008-05-16 　　基金项目：国家自然科学基金资助项目；安徽财经大学青年基金资助项目（ACKYQ0843ZC） 　　作者简介：徐健（1982-），男，安徽凤阳人，讲师，硕士，主要研究方向：支持向量机、模式识别、数据挖掘等。 　　 　　A Classification Method of DNA Sequence Based on 　　 Support Vector Machine 　　XU Jian1,LI Bai-nian1,ZHANG Kong-sheng1,JIANG Li-hua2 　　(1. School of Statistics and Applied Mathematics, Anhui University of Finance and Economics, Bengbu Anhui 233030,China;2. School of Sciences, Anhui University of Science and Technology,Huainan Anhui 232001,China) 　　 Abstract:A new classification method of DNA sequence based on SVM was presented. The feature attribute space was established according to requirement of SVC. At first, four feature attributes were built by content of DNA’s four bases. By increasing length attribute of DNA sequence in the space to extent the feature attribute space. Finally, the classification of hyperplane was obtained on the basis of available samples training by using SVC in the feature attribute space. The DNA sequence to be classified was verified by the hyperplane. The results show that the classification method accuracy is very good. 　　Key words: SVM; classification of DNA; feature attribute space; classification hyperplane 　　 　　基于统计学习理论的支持向量机(Support Vector Machine，SVM)是新近研究机器学习、数据挖掘和人工智能领域的一个热点。SVM将求解的问题最终归结为一个线性约束的凸二次规划问题，求出的解是全局最优的唯一解。SVM基于结构风险最小化原则，利用核函数将非线性问题转化为特征空间的线性问题。所以SVM在处理分类问题中一直有很好的表现。 　　2000年6月，人类基因组计划中DNA全序列草图完成，每条DNA序列由A、T、C、G按一定顺序排成长约30亿的序列，这4个字符表示了4种碱基。研究DNA全序列具有的结构和隐藏的规律，一直是生物信息学（Bioinformatics）最重要的课题之一。近年来使用SVM方法分析DNA序列的研究也在进行中，一些是对SVM方法进行改进并应用到DNA序列分类中，例如：使用SVM的几何修正法对DNA序列进行分析［1］；一些是对分类DNA序列中SVM所使用的特征属性提取方法进行讨论，例如：用窗口滑动来计算重复序列的出现频率，从而构造分类属性［2］；还用一些是针对DNA序列本身某一特性，结合SVM和其他方法进行比较得到更好