20974.基于svm分類機的dna序列分類方法

1、學(xué)位論文獨創(chuàng)性聲明U／_9293U5學(xué)位論文獨創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得直昌太堂或其他教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名(手寫)／筵寸簽字日期：加／口年，2月憾日學(xué)位論文版權(quán)使用授權(quán)

2、書本學(xué)位論文作者完全了解直昌太堂有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)直昌太堂可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編本學(xué)位論文。同時授權(quán)中國科學(xué)技術(shù)信息研究所和中國學(xué)術(shù)期刊(光盤版)電子雜志社將本學(xué)位論文收錄到《中國學(xué)位論文全文數(shù)據(jù)庫》和《中國優(yōu)秀博碩士學(xué)位論文全文數(shù)據(jù)庫》中全文發(fā)表，并通過網(wǎng)絡(luò)向社會公

3、眾提供信息服務(wù)。(保密的學(xué)位論文在解密后適用本授權(quán)書)學(xué)位論文作者簽名(手寫)：／炙●I于簽字日期：2o(o年／j月／8日導(dǎo)師簽名(手寫)：鄉(xiāng)毒工‘z人簽字日期：痧形1，年，2月，∥日摘要摘要隨著人類基因組計劃的順利完成和各種后基因組計劃的開始實施，出現(xiàn)了海量的生物分子數(shù)據(jù)，這使得科學(xué)家們需要分析大量DNA數(shù)據(jù)。如何充分利用這些數(shù)據(jù)，進而揭示這些數(shù)據(jù)的內(nèi)涵，得到對人類有用的生物信息，是科學(xué)家們面臨的一個嚴峻的挑戰(zhàn)【l】。DNA序列的處理

4、方法一般是先尋找一種數(shù)學(xué)模型用以表示DNA，再借助其它工具對其進行分析。支持向量機(SVM)是在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的新算法，該算法是一種模式識別技術(shù)，相當(dāng)于一種模式分類器。其訓(xùn)練算法本質(zhì)上是一個凸二次規(guī)劃的求解問題。它在解決小樣本、非線性及高維模式識別中表現(xiàn)出許多特有的優(yōu)勢，并在文本分類、生物信息、語音識別、遙感圖像分析、故障識別和預(yù)測、時間序列預(yù)測、信息安全等諸多領(lǐng)域有了成功的應(yīng)用【2一。本文采用SVM算法對DNA序列進行分類

5、。為了提供算法所需要的輸入數(shù)據(jù)格式，首先要將DNA序列用數(shù)學(xué)模型表示出來。SVM對輸入數(shù)據(jù)的格式要求是表示成特征向量的形式。因此本文從DNA序列中單個堿基的含量和DNA序列的長度出發(fā)，結(jié)合滑動窗口方法計算出DNA序列中特征序列的出現(xiàn)頻率，提取出DNA序列的特征，將DNA序列表示成特征向量的形式，然后根據(jù)SVM算法對已知類別標簽的DNA序列訓(xùn)練樣本做訓(xùn)練得到分類超平面，利用此超平面分類DNA序列的測試樣本。分類結(jié)果表明這種提取特征的方法具

6、有很好的分類精度。本文對SVM算法采用Matlab實現(xiàn)。典型二分類中的數(shù)據(jù)采用文獻[9]dg的數(shù)據(jù)。首先對已知類別的1～20個人工DNA序列進行SVM算法訓(xùn)練，利用參數(shù)尋優(yōu)得到分類器。根據(jù)分類結(jié)果的精度反饋，進一步選擇是否對數(shù)據(jù)歸一化和降維等操作對結(jié)果進行優(yōu)化，得到最佳的分類超平面。然后對另外的20個人工DNA序列和182個自然DNA序列進行分類預(yù)測。典型的SVM算法是一個二分類問題，DNA序列的多類分類實現(xiàn)是利用SVM的多類分類理論和