基因功能预测问题中的样本不平衡处理

摘要：

应用机器学习进行分类是基因功能预测的一种重要手段.但是许多预测集中的阳性样本过少,会降低功能预测的效果.针对此问题,本研究对结合支持向量机(SVM)算法的几种常用非平衡数据分类方法进行实验比较,包括投票整合分类器和移动分类面等.在此基础上提出通过加权修正投票的整合策略,以提高预测效果.实验结果显示,结合多数类样本限数取样及整合思想的投票整合法预测效果优于移动分类面法,而在投票整合法基础上的加权修正整合方法在所有方法中获得更好更稳定的结果.

关键词：支持向量机、功能预测、基因表达谱、不平衡

所属期刊栏目：25

分类号：R318.08(医用一般科学)

资助基金：中国科学院资助项目39970397,30170515,30370388;国家科技攻关项目2002AA2Z2052,2003AA2Z2051;黑龙江省科技攻关项目GB03C6024;国家自然科学基金F0177;黑龙江省哈尔滨市科技攻关项目2003AA3CS113;国家"211"工程建设项目

在线出版日期：2006-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：158-162,177