基因功能预测问题中的样本不平衡处理

• 作 者: 朱明珠 郭政 李霞 刘帅 李彦辉 高磊
• 机 构: 哈尔滨医科大学生物信息学系,同济大学生命科学与技术学院,哈尔滨工业大学计算机科学与技术学院
• 出 处: 中国生物医学工程学报
• 发表日期: 2006年2期
• 关键词: 支持向量机 功能预测 基因表达谱 不平衡 support vector machine functional prediction gene express
• 基金项目: 国家自然科学基金资助项目（39970397,30170515,30370388）,国家“863”计划（2002AA2Z2052,2003AA2Z2051）,黑龙江科技攻关重点（GB03C6024）,黑龙江自然科学基金资助项目（F0177）,哈尔滨市科技攻关（2003AA3CS113）,哈尔滨医科大学211工程“十五”建设项目.

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。