买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉大学

摘要：本发明公开了一种基于低精度RBF核的支持向量机的ncRNA识别方法、系统及设备，包括数据处理，模型训练和模型预测三步骤。第一步，将RNA数据处理成模型所需的标准格式，第二步，选择精度模式，将RNA数据输入模型进行训练，第三步，训练完成的模型对待识别的RNA数据进行预测。实验结果显示，上述方法在较为准确地识别ncRNA的情况下，提升了基于RBF核的支持向量机模型的训练以及预测的计算效率。

主权项：1.一种基于低精度RBF核的支持向量机的ncRNA识别方法，其特征在于，包括以下步骤：步骤1：将待识别的RNA数据进行预处理；步骤2：针对预处理后的RNA数据，提取出数据特征；步骤3：将提取的数据特征信息输入低精度RBF核的支持向量机中进行ncRNA识别；所述低精度RBF核，为kx1,x2＝exp-γ||x1-x2||2；其中γ为核函数系数，x1与x2为任意两个RNA的特征组成的向量；所述低精度RBF核的支持向量机，是训练好的低精度RBF核的支持向量机；所述低精度RBF核的支持向量机训练过程包括以下子步骤：1构建训练集，提取训练集中RNA数据的八个特征与标签；所述八个特征，第一个特征为Dynalign算法计算得到的双链RNA的ΔG°total＝ΔG°1+ΔG°2+间隙数量×ΔG°gp；其中ΔG°1与ΔG°2分别为两个序列的二级结构的预测折叠自由能变化，ΔG°gp是对间隙施加的惩罚；第二个特征为两个序列中较短序列的长度；第三个特征为某一个序列中碱基‘A’出现的频率；第四个特征为某一个序列中碱基‘U’出现的频率；第五个特征为某一个序列中碱基‘C’出现的频率；第六个特征为另一个序列中碱基‘A’出现的频率；第七个特征为另一个序列中碱基‘U’出现的频率；第八个特征为另一个序列中碱基‘C’出现的频率；所述标签，ncRNA数据的标签为1，非ncRNA数据的标签为-1；2设置停机条件tol，并将训练集中数据输入低精度RBF核的支持向量机中进行训练；所述低精度RBF核的支持向量机，包括五种近似模式的RBF核的支持向量机，分别为一阶近似模式，二阶近似模式，三阶近似模式，四阶近似模式和五阶近似模式；一阶近似模式使用了一阶泰勒展开：expk＝1+k；其中k表示将RBF核函数exp-γ||x1-x2||2缩放2r后使得k∈0,1的变量，满足等式2r×expk＝exp-γ||x1-x2||2，γ为RBF核函数系数，x1与x2为任意两个RNA的特征组成的向量，r为指数位；二阶近似模式使用了二阶泰勒展开：expk＝1+k+k22！；三阶近似模式使用了三阶泰勒展开：expk＝1+k+k22+k33！；四阶近似模式使用了四阶泰勒展开：expk＝1+k+k22+k33！+k44！；五阶近似模式使用了五阶泰勒展开：expk＝1+k+k22+k33！+k44！+k55！；3当计算误差小于停机条件tol时结束计算，获得训练好的低精度RBF核的支持向量机。

全文数据：

权利要求：

百度查询： 武汉大学 基于低精度RBF核的支持向量机的ncRNA识别方法、系统及设备