[发明专利]构造分类属于不同状态的生物样本的模型的方法

摘要

本发明涉及分类对象的模型的计算机实现方法，包括使用遗传算法提取与每个对象相关联的数据流，以及使用模式识别算法分类对象和衡量遗传算法的染色体的适应性。本发明可用在分类文本和医学样本，预测基于价格随其它因素而改变的金融市场的行为，并监视复杂处理设施的状态，以便检测即将发生的故障的领域中。

主权项

1.一种构造配置成分类属于至少第一状态或与该第一状态不同的第二状态之一的生物样本的模型的计算机实现方法，包括：提供多个数据串，每个数据串是从已知为第一状态或第二状态的生物样本导出的；使用遗传算法来选取标识多个数据串的每一个中的数据的第一组变量；使用第一组变量为该组数据串的每一个成员计算样本矢量；在最适合使用第一组变量计算出的样本矢量的至少两个数据簇中的每一簇的第一矢量空间中找出一位置；确定关于最适合使用第一组变量计算出的样本矢量的至少两个数据簇的变异率；确定最适合使用第一组变量计算出的样本矢量的至少两个数据簇的变异率是否在可接受的容限内；如果确定最适合使用第一组变量计算出的样本矢量的至少两个数据簇的变异率在可接受的容限内，则提供在最适合使用第一组变量计算出的样本矢量的至少两个数据簇的第一矢量空间的所述位置；以及如果确定最适合使用第一组变量计算出的样本矢量的至少两个数据簇的变异率不在可接受的容限内，则使用遗传算法来选取与第一组变量不同的第二组变量；使用第二组变量为该组数据串的每一个成员计算样本矢量；在最适合使用第二组变量计算出的样本矢量的至少两个数据簇中的每一簇的第二矢量空间中找出一位置；确定关于最适合使用第二组变量计算出的样本矢量的至少两个数据簇的变异率；确定最适合使用第二组变量计算出的样本矢量的至少两个数据簇的变异率是否在可接受的容限内，以及如果确定最适合使用第二组变量计算出的样本矢量的至少两个数据簇的变异率在可接受的容限内，则提供在最适合使用第二组变量计算出的样本矢量的至少两个数据簇的第二矢量空间的所述位置。