[发明专利]基于Adaboost、BP神经网络和随机森林融合的mirco-RNA前体识别方法

权利要求书

1.一种基于Adaboost、BP神经网络和随机森林融合的mirco-RNA前体识别方法，其特征在于，包括以下步骤：

步骤1：从pre-miRNA序列中提取N个特征；

步骤2：通过提取特征及其相应的标签建立N/2个BP分类器和N/2个RF分类器；

步骤3：在训练和建立分类器时，计算每个分类器获得的相应权重；

步骤4：组合弱权重分布的分类器获得强分类器。

2.根据权利要求1所述识别方法，其特征在于，所述步骤1中从pre-miRNA序列中提取N个特征包括一级序列特征和二级序列特征；

所述一级序列特征为N-Gram频率，选择N值为3，在指定序列的三核苷酸组中存在64个组合，获得总共64维频率特征作为N-Gram频率特征；

所述二级序列特征包括三重结构序列、碱基对含量特征和MFE功能；其中，所述三重结构序列为对于任何三个核苷酸单元，有8个可能的组合，考虑三个字符组的第一个核苷酸，有32个不同的组合；所述碱基对含量特征为miRNA序列中的核苷酸配对G-C配对的频率；MFE功能为最小自由能。

3.根据权利要求1所述的识别方法，其特征在于，所述步骤2中相应标签为0表示阴性样本，1表示阳性样本。

4.根据权利要求1所述的识别方法，其特征在于，所述步骤2中建立N/2个BP分类器和N/2个RF分类器的方法为:

对于给定的多个分类训练数组，输入数据T＝{(x₁,y₁),…,(x_N,y_N)}，具有任意整数标签，其中，T代表输入数据，x代表特征，y代表分类标签；

首先，初始化训练集权重，设置每个样品的初始重量为1/N；则权重表示如下：

然后，通过RF和BP获得分类器G_m(x)，G_m(x)则代表集成分类器中的弱分类器，共由N个弱分类器集成，其中BP和RF各N/2个。

5.根据权利要求1所述的识别方法，其特征在于，所述步骤3的具体步骤为：

计算G_m(x)的误差：

得到弱分类器的权重，如下：

更新样本权重：

计算标准化因子：

重复上面的过程，m为弱分类器的标号，m取值为1到M，M取N，可以得到多个分类器和相应的权重。

6.根据权利要求1所述的识别方法，其特征在于，所述步骤4的具体步骤为：计算得到最终的强分类器，如下：