[发明专利]基于集成学习的全球人类mtDNA发育树分类查询方法

权利要求书

1.一种基于集成学习的全球人类mtDNA发育树分类查询方法，其特征在于，包括以下步骤：

S1：人工测得若干mtDNA数据，每条数据包含mtDNA的变异位点序列及对应的最有可能的分类，然后获取全球人类mtDNA发育树数据，包括分类信息及每个分类对应的mtDNA变异位点序列；

S2：采用mtDNA数据中的变异位点序列作为输入，对应分类作为期望输出，训练得到神经网络分类器；

S3：采用mtDNA发育树数据计算得到朴素贝叶斯分类器的参数，包括第i个分类target_i出现的概率P(target_i)、第j个变异位点mutation_j在第i个分类target_i中出现的概率P(mutation_j|target_i)，i＝1,2,…,T，T表示分类数量，j＝1,2,…,M，M表示变异位点数量；

S4：将待分类查询的mtDNA的变异位点序列mutations_c输入神经网络分类器，得到前Q个可能分类，记该变异位点序列mutations_c属于这Q个可能分类的概率为α_q，查询得到这Q个可能分类对应的变异位点序列其中q＝1,2,…,Q；

将待分类查询的变异位点序列mutations_c与神经网络分类器前Q个可能分类所对应的变异位点序列合并得到变异位点序列mutations′_c，计算变异位点序列修改中各个变异位点的权重ω_d：

其中，d＝1,2,…,D，D表示待分类查询的变异位点序列mutations_c中变异位点数量，β_d,c表示变异位点序列mutations′_c中第d个变异位点是否属于变异位点序列mutations_c，如果是β_d,c＝1，否则β_d,c＝0；β_d,q表示变异位点序列mutations′_c中第d个变异位点是否属于Q个可能分类中第q个分类，如果是β_d,q＝1，否则β_d,q＝0；

将变异位点序列mutations′_c及D个权重ω_d输入朴素贝叶斯分类器，根据以下公式计算每个分类target_i对应的分类评价值R_i：

将分类评价值R_i进行降序排列，取前Q个可能分类，记变异位点序列mutations′_c属于这Q个可能分类的概率为α′_q；

按照预设权重对得到的两组Q个可能分类的概率α_q和α′_q进行加权，按照概率从大到小输出前Q个可能分类。

2.根据权利要求1所述的全球人类mtDNA发育树分类查询方法，其特征在于，所述步骤S2中，在对神经网络分类器进行训练之前，先对mtDNA数据进行预处理，其具体方法为：采用哈希算法对mtDNA数据中的每条数据的变异位点序列进行数值化，存入预设长度的数组中，得到变异位点向量，将分类转化为独热向量得到分类向量。

3.根据权利要求2所述的全球人类mtDNA发育树分类查询方法，其特征在于，所述哈希算法为BKDRHash算法。