[发明专利]基于Adaboost、BP神经网络和随机森林融合的mirco-RNA前体识别方法在审
| 申请号： | 201910141438.4 | 申请日： | 2019-02-26 |
| 公开（公告）号： | CN109872773A | 公开（公告）日： | 2019-06-11 |
| 发明（设计）人： | 胡杨;逄龙;程亮;张凝一;赵天意 | 申请（专利权）人： | 哈尔滨工业大学 |
| 主分类号： | G16B20/00 | 分类号： | G16B20/00;G06N3/04 |
| 代理公司： | 北京天奇智新知识产权代理有限公司 11340 | 代理人： | 范光晔 |
| 地址： | 150001 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于Adaboost、BP神经网络和随机森林融合的mirco‑RNA前体识别方法，属于mirco‑RNA前体识别方法技术领域。本发明从pre‑miRNA序列中提取N个特征；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；在训练和建立分类器时，计算每个分类器获得的相应权重；通过组合弱权重分布的分类器获得强分类器。本发明可以避免传统BP神经网络和RF算法分类器过度拟合和不稳定的缺点，整合了多个弱分类器并将权重分配给它们；最后，获得了具有高精度和稳定性的强分类器，可以获得高预测准确度。 | ||
| 搜索关键词： | 分类器 强分类器 随机森林 权重 标签建立 权重分配 弱分类器 算法分类 提取特征 准确度 融合 拟合 前体 整合 预测 | ||
【主权项】：
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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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哈尔滨工业大学，未经哈尔滨工业大学许可，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/patent/201910141438.4/，转载请声明来源钻瓜专利网。
