[发明专利]一种基于独立分量集成学习的基因微阵列数据预测方法无效
申请号: | 200710132391.2 | 申请日: | 2007-09-15 |
公开(公告)号: | CN101145171A | 公开(公告)日: | 2008-03-19 |
发明(设计)人: | 黄德双;刘昆宏 | 申请(专利权)人: | 中国科学院合肥物质科学研究院 |
主分类号: | G06F19/00 | 分类号: | G06F19/00;G06F17/30 |
代理公司: | 安徽省合肥新安专利代理有限责任公司 | 代理人: | 赵晓薇 |
地址: | 230031安徽省合*** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 独立 分量 集成 学习 基因 阵列 数据 预测 方法 | ||
1.一种基于独立分量集成学习的基因微阵列数据预测方法,其特征在于该方法的操作步骤如下:
数据的获取与预处理,对试验的训练样本进行独立分量分析(IndependentComponent Analysis,简写为ICA)变化,获得一组独立分量(IndependentComponent,简写为IC)集合;
独立分量子集的生成,从IC分量集合中随机有重复地选择出一半的IC分量,用于构建一个IC分量子集,重复以上步骤50次,形成50个独立的IC分量子集;
基分类器的生成,使用生成的IC分量子集分别用于训练最近邻分类器,从而构造50个基于随机独立分量选择的最近邻分类器;
将新样本在各个新的IC分量子集所代表的分量空间中进行变换,而后分别使用50个最近邻分量器对新样本进行测试,测试的输出使用加权投票法进行综合,从而构建出一个分类器集成系统。
2.根据权利要求1所述的一种基于独立分量集成学习的基因微阵列数据预测方法,其特征是:所述的测试的输出使用加权投票法是使用Bootstrap.632+算子通过测试样本对分类器Ci的预测精度进行估计,将相应的预测准确率作为该分类器输出判别可靠性的权重wi。之后,将权重归一化,即Wi′=Wi/∑W,若分类器i对新样本s的类别判定为Ois,集成系统最终的判定是根据公式:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院合肥物质科学研究院,未经中国科学院合肥物质科学研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/200710132391.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种传输信令二层对等适配层故障链路快速拆除的方法
- 下一篇:发光装置
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用