一种基于极端梯度提升算法的新型冠状病毒分类方法.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112766352 A (43)申请公布日 2021.05.07 (21)申请号 202110039827.3 (22)申请日 2021.01.13 (71)申请人 大连海事大学 地址 116000 辽宁省大连市甘井子区凌水 街道凌海路1号 (72)发明人 马宝山　柴冰洁　陈玉珍　张树正　 吴一铭　罗璐瑶　 (74)专利代理机构 大连至诚专利代理事务所 (特殊普通合伙) 21242 代理人 张海燕　杨威 (51)Int.Cl. G06K 9/62 (2006.01) G16H 50/80 (2018.01) 权利要求书2页 说明书7页 附图4页 (54)发明名称 一种基于极端梯度提升算法的新型冠状病 毒分类方法 (57)摘要 本发明提供一种基于极端梯度提升算法的 新型冠状病毒分类方法，用于解决现有技术中存 在的分类精度较低的技术问题，实现步骤为：获 取三种现存病毒数据集和新型冠状病毒数据集， 预处理三种病毒数据集和新型冠状病毒数据集， 三种病毒数据集作为训练集，新型冠状病毒数据 集作为独立测试集，使用训练集训练并优化 XGBoost模型，获取最优模型后对测试集分类，得 到模型评估指标以及测试集的预测标签。本发明 有效提高了新型冠状病毒分类的准确性。 A 2 5 3 6 6 7 2 1 1 N C CN 112766352 A 权　利　要　求　书 1/2页 1.一种基于极端梯度提升算法的新型冠状病毒分类方法，包括如下步骤： 步骤1、获取三种现存病毒数据集和新型冠状病毒数据集； 步骤2、预处理三种病毒数据集和新型冠状病毒数据集，之后将三种病毒数据集作为训 练集，新型冠状病毒数据集作为独立测试集； 步骤3、使用训练集训练并优化XGBoost模型，并获取最优模型； 步骤4、使用最优模型结合模型的特征选择功能对独立测试集分类，得到模型评估指标 和测试集的预测标签。 2.根据权利要求1所述的一种基于极端梯度提升算法的新型冠状病毒分类方法，其特 征在于，所述步骤1获取三种现存病毒数据集和新型冠状病毒数据集，其步骤包括: 步骤1a、从美国国家生物技术信息中心、全球共享流感数据倡议组织、Virus‑Host DB 三个平台获取所需的病毒数据，包括甲型冠状病毒属，乙型冠状病毒属，丁型冠状病毒属， COVID‑19序列； 步骤1b、排除所有小于2000碱基对和大于50000碱基对的DNA序列。 3.根据权利要求1所述的一种基于极端梯度提升算法的新型冠状病毒分类方法，其特 征在于，所述步骤2预处理三种病毒数据集和新型冠状病毒数据集，之后将三种病毒数据集 作为训练集，新型冠状病毒数据集作为独立测试集，其步骤包括： 步骤2a、将DNA序列映射成离散数字序列； 步骤2b、采用零填充方法将DNA序列对应的离散数字序列长度归一化到25000，其中长 度小于25000的序列通过零填充扩展到25000，而长度大于25000的序列将其超过25000的部 分删除； 步骤2c、将所述离散数字序列进行离散傅里叶变换(DFT变换)，取模后得到幅度谱，该 幅度谱也是DNA序列的幅度谱； 步骤2d、计算出所有序列的幅度谱后，将甲型冠状病毒属,乙型冠状病毒属,丁型冠状 病毒属的所有序列的幅度谱整合到一个数据集中，该数据集作为训练集数据，COVID‑19序 列的幅度谱整合到另一个数据集中，该数据集作为独立测试集数据。 4.根据权利要求1所述的一种基于极端梯度提升算法的新型冠状病毒分类方法，其特 征在于，所述步骤3使用