[发明专利]基于Caffe的堆栈降噪自编码基因信息特征提取的方法

摘要

本发明公开了基于Caffe的堆栈降噪自编码基因信息特征提取的方法，该基于Caffe的堆栈降噪自编码基因信息特征提取的方法具体步骤如下：S1：数据准备，S2：搭建基于Caffe的堆栈降噪自编码基因特征提取模型，S3：逐层训练堆栈降噪自编码基因特征提取模型，S4：使用有标签基因数据微调堆栈降噪自编码基因特征提取模型，S5：使用训练好的基因特征提取模型搭建基因性状识别系统，本发明的技术方案采用深度学习的算法框架，在图像特征提取的基础上，通过训练分类识别模型，以此可进行对待测基因的特征提取和进一步的分类识别。

主权项

1.基于Caffe的堆栈降噪自编码基因信息特征提取的方法，其特征在于：该基于Caffe的堆栈降噪自编码基因信息特征提取的方法具体步骤如下：S1：数据准备,基因碱基序列可视化，图像数据预处理,首先将基因碱基序列进行可视化转换，即先由序列信息转换成二进制数字节流表示，再利用颜色空间转换为二维的图像格式，然后使用Caffe提供的工具将图像数据调整到固定大小，最后使用Caffe的工具将全部基因图像转换为适用于Caffe的数据库文件，格式为leveldb或者lmdb；S2：搭建基于Caffe的堆栈降噪自编码基因特征提取模型，第一步：定义堆栈降噪自编码基因特征提取模型，第二步：编写基于Caffe 的堆栈降噪自编码模型的模型描述文件；S3：逐层训练堆栈降噪自编码基因特征提取模型，采用逐层贪婪的训练方法，编写基于Caffe的模型求解文件，使用步骤S1准备好的基因信息数据，对步骤S2模型描述文件定义的堆栈降噪自编码基因特征提取模型进行训练，求解特征中各层的参数；S4：使用有标签基因数据微调堆栈降噪自编码基因特征提取模型，在堆栈降噪自编码模型的基础上，构建一个分类模型，使用有标签的基因信息数据对该分类模型进行训练，其中有标签指已知性状分类；S5：使用训练好的基因特征提取模型搭建基因性状识别系统，并使用该系统对基因性状进行识别，保留经过微调之后的堆栈降噪自编码基因特征提取模型，并以大量的基因信息数据对该基因特征提取模型进行特征提取训练，利用微调的基因特征提取模型，构建基因性状识别模型，对待测基因信息数据进行对应性状的分类识别。