基于万圣约束降维和分类器集成的MicroRNA识别方法研究-计算机科学与技术;计算机应用技术专业论文.docxVIP

摘要摘要 摘要 摘要 MieroRNA(MiRNA)是RNA家族中的一员，被称为小分子RNA。目前，众多的 研究表明，miRNA与生物体的基因表达、生长发育和行为等都有十分密切的关系。 早期对miRNA的识别均采用生物学实验方法，但却因其低效、费时、昂贵等因素导 致识别效果并不理想。之后，研究者开始把机器学习引入miRNA的识别，这为大规 模预测miRNA提供了新的思路。本文侧重对应用在miRNA识别领域的机器学习方 法做了较深入的研究，以此提高miRNA的识别精度。主要的研究工作如下： 1．提出了基于成对约束的半监督降维算法LSLDA。通过对已提出的几种采用机 器学习识别miRNA的方法的研究表明，这些方法大都以生物学理论为基础，从 miRNA的序列和二级结构中提取特征，并未考虑这些特征中是否有些特征影响了分 类效果。为此，本文采用基于成对约束的降维方法去除那些对分类贡献不大的特征， 进而提高分类器的性能。与原训练集上的实验结果相比，LSLDA在时间复杂度和分 类器性能上都有明显的改进。 2．提出了基于成对约束的集成算法En-LSLDA。该算法针对LSLDA算法可有 效进行降维，但不能克服成对约束不确定性的影响(每次取到的成对约束个数不同和 内容不同，会导致不同的分类结果)。因较高的分类精度不确定在取哪些成对约束个 数时得到，为此，本文通过对取各个成对约束个数下的分类器进行集成，构建一个比 单个分类器性能更优的集成分类器，以此提高miRNA的预测精度。从实验结果看， En-LSLDA算法是有效可行的。 3．提出了异构的分类器集成算法EnH．LSLDA。为满足好的集成算法对基分类 器精度和差异性的要求，我们在降维后的低维空间中进行特征选择得到一系列有差异 的特征子空间。在这些特征子空间上训练异构的基分类器，可得到分类精度高且有差 异性的基分类器。最后通过投票法对这些基分类器进行集成，从而得到一个好的集成 分类器。在miRNA和UCI数据集上的实验表明，EnH．LSLDA算法可很好地改善预 测精度。 关键词：MiRNA，成对约束，降维，集成学习，预测 AbstractAbstract Abstract Abstract MicroRNAs(MiRNAs)called micro molecule RNA ale a family of RNA．At present, numerous studies show that miRNAs绷．e related to gene expression，growth and behavior of biology．Earlier experimental cloning methods for searching miRNAs were low efficient, time consuming and very expensive，the identified accuracies are not satisfied．Then, machine learning techniques ale proposed to recognize miRNAs and provide a new idea for large—scale prediction．Therefore，in this paper,we study deeply on the machine learning methods for recognizing miRNA and three new algorithms are proposed to improve the accuracy． 1．Propose a semi-supervised dimensionality reduction algorithm LSLDA based on pairwise constraints．Studying the existing machine learning methods for recognizing miRNA shows that,most of them extract features舶m sequences and secondary structures of rniRNAs based on biological theory．However,whether some of the extracted features influence the classification results are not considered much．Therefore，the dimensionality reduction method based on pairwise constraints is empl