位置：立项数据库 > 立项详情页
支持向量机及其在生物信息学中的应用
  • 项目名称：支持向量机及其在生物信息学中的应用
  • 项目类别：青年科学基金项目
  • 批准号：10801112
  • 申请代码：A011201
  • 项目来源：国家自然科学基金
  • 研究期限：2009-01-01-2011-12-31
  • 项目负责人：杨志霞
  • 负责人职称：副教授
  • 依托单位：新疆大学
  • 批准年度：2008
中文摘要：

生物信息学是当前国际上生命科学和数学、信息科学交叉的研究热点和前沿，而支持向量机是一种新的数据挖掘技术。本项目主要从最优化的角度研究支持向量机，并将其应用于生物信息学当中。首先，针对生物信息学中的高维小样本数据，建立同时能完成特征选择和分类双重目的的支持向量机优化模型和理论。在这方面，将基因共表达信息加入到模型中，使选出来的基因更具有生物意义；其次，针对基因表达数据具有误差较大的特点，考虑带扰动的数据，提出了相应的稳健的支持向量机优化模型，将问题转化为二阶锥规划，达到较好的效果；再次，针对生物信息学中的疾病诊断数据类别多、样本少的特点，建立基于支持向量顺序回归机的多类分类算法，并给出了支持向量机若干算法的LOO误差界；最后，针对生物信息学中的一些热点问题，如蛋白质与蛋白质之间是否有相互作用，原核生物的位点识别问题以及蛋白质大家族之一- - 酶的分类问题，主要用支持向量机，通过不同的方式构造特征，得到了较好的预测效果。期间共发表文章25篇，获得奖励1个，指导硕士研究生9名。

中文主题词： 支持向量机；生物信息学；数据挖掘；特征选择；最优化方法；
结论摘要：

英文主题词Support Vector Machine; Bioinformatics; Data Mining; Feature Selection; Optimization

成果综合统计
成果类型
数量
  • 期刊论文
  • 会议论文
  • 专利
  • 获奖
  • 著作
  • 18
  • 13
  • 0
  • 0
  • 0
期刊论文
线性ε-支持向量回归机的数据扰动分析
Second order cone programming formulations for handling data with perturbation
Computationally probing drug-protein interactions via support vector machine
Prediction of enzyme subfamily class via pseudo amino acid composition by incorporating the conjoint
Identifying translation initiation sites in prokaryotes using support vector machine
NMF的数据分类方法在肿瘤分类上的应用
Sequence-based protein-protein interaction prediction via support vector machine
A novel algorithm model for multi-class classification
An incremental dimensionality reduction method on discriminant information for pattern classificatio
支持向量顺序回归机的统计学习基础
A hybrid approach for the multi-class gene selection problem
基于二叉决策树的肿瘤数据分类算法
会议论文
Improving MSVM-RFE for multi-class gene selection
SVM-based method for predicting enzyme function in a hierarchical context
Leave-one-out bound for Crammer-Singer multi-class support vector machine
Improving MSVM-RFE for multi-class gene selection
SVM-based method for predicting enzyme function in a hierarchical context
Leave-one-out bound for Crammer-Singer multi-class support vector machine
Prediction of protein-protein interaction based only on coding sequences
A multi-class algorithm model based on p-class support vector ordinal regression machine
A novel SVM-RFE for gene selection
On universum-support vector machines
Multi-instance support vector machine based on convex combination
A multi-class algorithm model based on p-class support vector ordinal regression machine
Incorporating gene similarity into support vector machine for microarray classification and gene sel
相关项目
核矩阵学习的最优化方法及其在生物信息学中的应用
期刊论文 39 会议论文 7 著作 1
图像分类中的局部泛化误差SVM特征和样本选择方法
期刊论文 6 会议论文 7
生物信息学与最优化方法
期刊论文 71 会议论文 25
不确定数据分类学习的支持向量机算法研究
期刊论文 9 会议论文 1
数据挖掘中的最优化方法
期刊论文 31 会议论文 18 著作 1
最优化与数据挖掘
期刊论文 70 会议论文 74 著作 4
数据挖掘中的凸规划理论与方法
期刊论文 16 会议论文 24 著作 1
基于非平行超平面支持向量机的最优化模型及算法研究
期刊论文 47 会议论文 4
福氏志贺氏菌蛋白质相互作用组的预测与分析
期刊论文 2
杨志霞的项目
Twin支持向量机的拓广及其应用
期刊论文 22 会议论文 1 获奖 4
支持张量机的研究及其应用
期刊论文 1