PSO-RBF神经网络在DNA序列分类中的应用

发布时间：2023-09-16 10:21

　　径向基(RBF)神经网络是一种典型的前馈型网络,因为其只有一个隐含层的简单构造,较快的学习速度,不容易陷入局部最小化,具有良好的泛化能力等优点在很多领域都体现出了优越性。粒子群优化算法(PSO)作为一种智能搜索算法,有较强的全局收敛能力和鲁棒性,且模型简单,没有遗传算法中的遗传操作,常被应用于RBF神经网络的参数寻优中。本文主要研究对象为PSO-RBF神经网络算法,在PSO算法改进方面选择收敛的惯性权重代替固定值,并用测试函数对改进前后算法作性能测试,结果证明该算法具有更强的局部和全局收敛能力。首次将PSO-RBF神经网络算法应用于DNA序列分类问题,构建基于PSO-RBF神经网络的DNA序列分类模型。DNA序列分类问题是生物信息学研究中重要的一部分。该研究目的是预测未知DNA序列的类别从而了解其特性,这对判断其是否属于隐存种、外来物种或者濒危物种有重要意义。特征提取是DNA序列分类非比对方法中重要的一环。本文在经典k-mers方法的基础上提出了一种新的特征提取方法:首先用碱基转移概率代替k=1、2时的单碱基和双碱基频率,其次用氨基酸种类代替k=3时的三碱基频率,最后应用主成分分析法对...

【文章页数】：48 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 DNA序列分类方法研究现状
    1.3 RBF神经网络研究现状
    1.4 论文组织结构
第二章 RBF神经网络
    2.1 人工神经网络
    2.2 RBF神经网络概述
    2.3 RBF神经网络学习算法
    2.4 本章小结
第三章 PSO-RBF神经网络算法
    3.1 粒子群优化算法基本原理
    3.2 改进粒子群算法
    3.3 PSO-RBF神经网络算法
    3.4 本章小结
第四章 DNA序列特征提取
    4.1 DNA序列特征提取方法概述
    4.2 一种新的DNA序列特征提取方法
    4.3 本章小结
第五章 基于PSO-RBF神经网络的DNA序列分类模型
    5.1 数据样本选取
    5.2 DNA序列特征提取
    5.3 结果分析
    5.4 本章小结
第六章 总结与展望
参考文献
作者简介
致谢



本文编号：3846837