[发明专利]一种基于字典学习的氨基酸序列特征提取方法

权利要求书

1.一种基于字典学习的氨基酸序列特征提取方法，其特征在于：该方法的具体步骤如下：

步骤1、输入数据，其中输入数据为蛋白质序列；

步骤2、每条肽序列数据都用P＝R₁R₂......R_L表示,给定一个氨基酸指数AAindex，将上述序列编码成P_E＝E₁E₂......E_L；其中E_i为氨基酸残基的R_i的属性值；

步骤3、构造字典；

在字典构造阶段，分为以下3步：

(1)、肽序列编码：利用n-gram模型将肽序列分解成单词，建立编码序列；

(2)、编码序列分割：将编码序列分成不同长度的片段，如长度为2的片段和长度为3的片段；

(3)、字典中的单词：对长度相同的片段采用C均值聚类，以聚类中心作为字典中词；

步骤4、样本字典表示；

在样本字典表示阶段，分为3步，其中前两步与构造字典过程的前两步相同；

(1)、肽序列编码；

(2)、编码序列分割；

(3)、参考字典中单词对样本特征向量构造：特征由基于欧氏距离的词频构成：

其中，l为单词长度，C_l是字典中长度为L的单词数，f_i^l是第i个单词的出现频率。

2.根据权利要求1所述的一种基于字典学习的氨基酸序列特征提取方法，其特征在于，其特征在于：通过改变l的值，得到不同模式的特征向量。