[发明专利]一种生成生物标记签名的系统及方法

权利要求书

1.一种由处理器执行的、把数据集分类成两类或更多类的计算机实现的方法，其中所述数据集包括基因组数据，每个基因组数据对应于多种生物状态类之一，该方法包括：

(a)接收具有已知标签集的训练数据集，其中所述标签标识基因组数据的生物状态类；

(b)通过向所述训练数据集应用第一机器学习技术，生成用于所述训练数据集的第一分类器，其中所述第一机器学习技术识别第一分类方法集，其中每一分类方法对所述训练数据集进行投票；

(c)根据所述第一分类器分类所述训练数据集中的元素以获得用于所述训练数据集的第一预测标签集；

(d)根据所述第一预测标签集和所述已知标签集，计算第一目标值；

(e)对于多次迭代中的每一次，执行以下步骤(i)-(v)：

(i)通过向所述训练数据集应用第二机器学习技术，生成用于所述训练数据集的第二分类器，其中所述第二机器学习技术识别不同于第一分类方法集的第二分类方法集，其中每一分类方法对所述训练数据集进行投票；

(ii)根据所述第二分类器分类所述训练数据集中的元素以获得用于所述训练数据集的第二预测标签集；

(iii)根据所述第二预测标签集和所述已知标签集，计算第二目标值；

(iv)比较所述第一与第二目标值以确定所述第二分类器是否胜过所述第一分类器；

(v)当所述第二分类器胜过所述第一分类器时，用所述第二预测标签集替代所述第一预测标签集并且用所述第二目标值替代所述第一目标值，并且返回步骤(i)；及

(f)当已经达到期望次数的迭代时，输出所述第一预测标签集。

2.如权利要求1所述的方法，其中所述训练数据集是通过从聚合训练数据集中选择训练数据样本的子集而形成的，所述方法还包括：

自举所述聚合训练数据集以生成多个附加训练数据集，及

对每个附加训练数据集重复步骤(a)至(f)。

3.如权利要求2所述的方法，其中所述自举是用平衡的样本或者不用平衡的样本执行的。

4.如权利要求1-3中任何一项所述的方法，还包括：

识别产生输出的第一预测标签集的分类器；

在测试数据集中选择样本，所述测试数据集不同于所述训练数据集并且不具有已知标签集；及

利用识别出的分类器来为所选样本预测标签。

5.如权利要求1-3中任何一项所述的方法，其中：

通过应用第一随机向量来选择聚合分类方法集的子集来获得所述第一分类方法集；

所述第一随机向量包括与所述聚合分类方法集对应的一组二进制值；

每个二进制值指示所述聚合分类方法集中的对应分类方法是否包括在所述第一分类方法集中；以及

通过应用包括不同的一组二进制值的第二随机向量来获得所述第二分类方法集。

6.如权利要求5所述的方法，其中所述第一随机向量包括指示是否执行平衡的自举、多次自举、分类方法列表、基因列表或其组合的标志变量。

7.如权利要求1-3中任何一项所述的方法，其中所述第二目标值对应于Matthew相关系数，所述Matthew相关系数是根据所述第二预测标签集和所述已知标签集评定的。

8.如权利要求5所述的方法，其中计算所述第二目标值的步骤包括实现模拟退火方法。

9.如权利要求8所述的方法，其中所述模拟退火方法包括更新所述第一随机向量的一个或多个值以获得所述第二随机向量。

10.如权利要求9所述的方法，其中更新所述第一随机向量的一个或多个值包括：

随机地更新所述第一随机向量的每个元素以获得所述第二随机向量。