半监督多标记学习的基因功能分析

• 作者: 曹苏群 王士同 陈晓峰
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 半监督 多标记 自训练 支持向量机
• 年，卷（期）: 2008,（1）
• 页码范围: 83-90
• 页数: 8页
• 分类号: TP181
• 字数: 7047字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4785.2008.01.013

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学信息工程学院	528	3424	23.0	37.0
2	曹苏群	江南大学信息工程学院	12	77	5.0	8.0
6	陈晓峰	江南大学信息工程学院	16	103	7.0	10.0