成对约束降维集成下的MicroRNA预测

MicroRNA(miRNA)是一类在生物体内发挥重要调控作用的非编码小RNA,对miRNA的预测有助于研究和理解其生物学功能。已经提出的基于成对约束的降维算法(local semi-supervised linear discriminant analysis,LSLDA)在对miRNA降维的同时,也能保持数据的局部结构信息和判别能力,可有效改进miRNA的预测性能。因此,在LSLDA算法基础上,提出了一种新的集成LSLDA算法(ensemble of local semi-supervised linear discriminant analysis,En-LSLDA)。该算法对不同约束个数下的分类结果进行集成,以集成结果作为最后的分类结果,以此进一步改进miRNA的预测性能。miRNA数据集上的实验结果表明,En-LSLDA算法是有效可行的。同时,UCI数据集上的实验结果也验证了新提出的集成方法同样适用于其他数据集。

基于成对约束降维的MicroRNA预测

MicroRNA是一类内源、单链非编码小RNA,在生物体内发挥着重要的调控作用.对microRNA的预测有助于研究和理解它们的生物学功能.目前,针对成对约束的microRNA预测方法还报道不多.为此,本文提出了一个基于成对约束的降维算法,该算法并入数据局部结构保持策略,以此有效改进microRNA的预测性能.在mi-croRNA数据集和UCI数据集上的实验结果表明,新提出的基于成对约束的降维方法是有效可行的.