[发明专利]基于低精度RBF核的支持向量机的ncRNA识别方法、系统及设备

权利要求书

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k(x1,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。

2.根据权利要求1所述的基于低精度RBF核的支持向量机的ncRNA识别方法，其特征在于：步骤1中所述预处理，是将每条RNA数据处理成fasta格式数据。

3.根据权利要求1所述的基于低精度RBF核的支持向量机的ncRNA识别方法，其特征在于：步骤2中所述数据特征包括八个特征，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分别为双链RNA的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；第二个特征为双链RNA的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。

4.根据权利要求1-3任意一项所述的基于低精度RBF核的支持向量机的ncRNA识别方法，其特征在于：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：exp(k)＝1+k；其中k表示将RBF核函数exp(-γ(||x1-x2||)²)缩放2^r后使得k∈(0,1)的变量，满足等式2^r×exp(k)＝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：exp(k)＝1+k+k²/2！；

三阶近似模式使用了三阶泰勒展开：exp(k)＝1+k+k²/2+k³/3！；

四阶近似模式使用了四阶泰勒展开：exp(k)＝1+k+k²/2+k³/3！+k⁴/4！；

五阶近似模式使用了五阶泰勒展开：exp(k)＝1+k+k²/2+k³/3！+k⁴/4！+k⁵/5！；

(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。