基于支持向量机的DNA序列相似性研究

为了解决传统的支持向量机在分类中不能够逼近任意的分类界面而造成分类精度低的目的,在传统的支持向量机核函数基础上,提出了一种基于遗传算法优化的支持向量机结构模型,并将该方法应用在DNA序列分类上。实验结果表明该算法在同等条件下要比传统的SVM分类方法具有更加优越的特征提取性能。支持向量机能在概论分布函数未知的条件下对DNA序列进行分类。它主要考虑如何利用少量的标注样本和大量的未标注样本进行训练和分类的问题,半监督学习对于减少标注代价,提高学习机器性能具有非常重大的实际意义。