基于數(shù)據(jù)挖掘的生物序列分類研究.pdf

1、分類號!里三窆羔重慶郵電大學碩士學位論文碩士研究生煎疊生指導教師堂壟壘型絲蕉學科專業(yè)鹽差塑速周墊查論文提交日期至壘!壟生壘旦論文答辯日期壟Q!壟生墨旦壟魚旦論文評閱人2012年5月重慶郵電大學碩士論塞塑—————————_—_—-—-——_——————————————————————————_————-———_———————————————一一摘要隨著生物信息學的發(fā)展，生物醫(yī)學數(shù)據(jù)呈爆炸式的增長，目前已經(jīng)擁有數(shù)百個活動的生物醫(yī)學數(shù)據(jù)庫，

2、如何管理和分析這些海量的數(shù)據(jù)已成為研究的重點。數(shù)據(jù)挖掘技術用于發(fā)現(xiàn)大量數(shù)據(jù)所隱含的有價值的信息，是目前最有效的數(shù)據(jù)分析手段。生物序列數(shù)據(jù)是生物醫(yī)學研究的主要內容之一，通過對其進行分析，研究者不僅能夠理解已有的序列，而且能夠更好地研究新穎的序列及其所擁有的功能，解讀序列在它所在的生物體中所充當?shù)慕巧?，進而更好地理解生命的本質。本文主要針對生物序列分類技術領域中的兩個重要的研究方面：生物序列的分類分析和和異常檢測。生物序列分類分析能夠為未知

3、標號的生物序列指定其所屬的類別，進而預測它的功能以及與其它生物序列之間的相互關系，以輔助生物分子中的基因識別和預測蛋白質的結構等。異常檢測可視為一類特殊的分類問題，生物序列中的異常主要是指突變或是一種疾病的特征，生物序列異常檢測有助于發(fā)現(xiàn)突變，了解疾病產(chǎn)生的條件，分析疾病產(chǎn)生的機理，為疾病的診斷和治療提供依據(jù)。生物序列是由字符組成的序列數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)挖掘技術主要適用于數(shù)值屬性和分類屬性的數(shù)據(jù)，難以直接應用于序列數(shù)據(jù)。針對上述問題，本文

4、使用滑動窗口技術抽取子序列，并計算子序列在訓練序列集中出現(xiàn)的頻率，然后將頻率值作為序列的特征映射到連續(xù)空間中，該方法有效地解決了傳統(tǒng)的數(shù)據(jù)挖掘技術難以處理序列數(shù)據(jù)的問題?；谵D換后的數(shù)據(jù)，本文給出了一種新的基于支持向量機的生物序列分類算法，通過對蛋白質序列的分類實驗驗證了該算法的有效性。在生物序列異常檢測技術中，相似性是生物序列異常檢測的基礎，相似性度量的好壞將直接影響生物序列異常檢測的結果。生物醫(yī)學研究表明，生物異常序列普遍的特點是其