首页 | 本学科首页   官方微博 | 高级检索  
     

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].智能系统学报,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. 江南大学,信息工程学院,江苏,无锡,214122;淮阴工学院,机械系,江苏,淮安,223001
基金项目:国家"863"基金资助项目(2006AA10Z313);国家自然科学基金资助项目(60773206/F020106,60704047/F030304);国防应用基础研究基金资助项目(A1420461266);教育部跨世纪优秀人才支持计划基金资助项目(NCET-04-0496);教育部科学研究重点基金资助项目(105087).
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
文章编号:1673-4785(2008)01-0083-08
修稿时间:2007年4月13日

Gene function analysis of semi-supervised multi-label learning
CHEN Xiao-feng,WANG Shi-tong,CAO Su-qun.Gene function analysis of semi-supervised multi-label learning[J].CAAL Transactions on Intelligent Systems,2008,3(1):83-90.
Authors:CHEN Xiao-feng  WANG Shi-tong  CAO Su-qun
Abstract:
Keywords:
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号