半监督多标记学习的基因功能分析 |
| |
引用本文: | 陈晓峰,王士同,曹苏群.半监督多标记学习的基因功能分析[J].现代科技译丛(哈尔滨),2008,3(1):83-90. |
| |
作者姓名: | 陈晓峰 王士同 曹苏群 |
| |
作者单位: | [1]江南大学信息工程学院,江苏无锡214122 [2]淮阴工学院机械系,江苏淮安223001 |
| |
摘 要: | 传统的机器学习主要解决单标记学习,即一个样本仅有一个标记.在生物信息学中,一个基因通常至少具有一个功能,即至少具有一个标记,与传统学习方法相比,多标记学习能更有效地识别生物相关基因组的功能.目前的研究主要集中在监督多标记学习算法.然而,研究半监督多标记学习算法,从已标记和未标记的基因表达数据中学习,仍然是未解决问题.提出一种有效的基因功能分析的半监督多标记学习算法SML_SVM首先,SML_SVM根据PT4方法,将半监督多标记学习问题转化为半监督单标记学习问题,然后根据最大后验概率原则(MAP)和K近邻方法估计未标记样本的标记,最后,用SVM求解单标记学习问题.在yeast基因数据和genbase蛋白质数据上的实验表明,SML_SVM性能比基于PT4方法的MLSVM和自训练MLSVM更优.
|
关 键 词: | 半监督 多标记 自训练 支持向量机 |
本文献已被 维普 等数据库收录! |
|