神经网络算法80308.ppt

解：（一）问题分析 ：由于 DNA 序列均是由 a ， t ， c ， g 等 4 个字符组成，且长短不一，不同的 DNA 序列中， a ， t ， c ， g 出现的概率并不相同。例如，从生物理论中可 知，编码蛋白质的 DNA 中 g 、 c 含量偏高，而非编码蛋 白质的 DNA 中 a 、 t 含量偏高。因此， a ， t ， c ， g 的频率 中会有很多的生物信息。基于此分析，我们采用 DNA 序列中 4 个字符的含量百分比， 这一特征来对 DNA 序列 进行分类。 下表分别列出了已知 DNA 和未知 DNA 序列中含 a ， t ， c ， g 的个数，以及其它字符的个数。 DNA 序列中含 a ， t ， c ， g 的个数 标号 a t c g 其它 DNA 长度 标号 a t c g 其它 DNA 长度 1 33 15 19 44 2 113 21 31 41 22 19 3 116 2 30 17 18 46 2 113 22 30 23 25 26 3 107 3 30 7 24 50 2 113 23 18 19 26 39 3 105 4 47 32 12 20 2 113 24 24 47 22 22 3 118 5 26 12 26 47 2 113 25 26 23 24 32 3 108 6 39 14 14 44 2 113 26 25 44 24 21 3 117 7 39 21 11 40 2 113 27 24 24 21 35 3 107 8 31 21 18 41 2 113 28 30 52 17 18 3 120 9 23 17 23 48 2 113 29 15 19 22 45 3 104 10 20 15 30 45 3 113 30 31 27 26 23 3 110 11 39 55 5 11 3 113 31 27 40 20 25 3 115 12 36 55 3 16 3 113 32 19 36 25 29 3 112 13 28 57 11 14 3 113 33 30 37 21 23 3 114 14 33 55 9 13 3 113 34 24 17 24 37 3 105 15 32 71 0 7 3 113 35 25 21 22 35 3 106 16 40 51 9 10 3 113 36 24 22 32 27 3 108 17 39 29 27 15 3 113 37 22 21 26 34 4 107 18 32 55 13 10 3 113 38 26 51 20 20 3 120 19 24 62 16 8 3 113 39 29 25 30 22 3 109 20 22 62 19 7 3 113 40 23 50 23 20 3 119 从上表中可以看出，其它字符的个数以及含量都非常小，因此，我们可以忽略不计。则第 i 条 DNA 序列中 a ， t ， c ， g 的含量百分比分别为它们各自的个数除以 a ， t ， c ， g 个数的总数。 结果见下表： DNA 序列中含 a ， t ， c ， g 的含量百分比 标号 a t c g 标号 a t c g 1 0.2973 0.1351 0.1712 0.3964 21 0.2743 0.3628 0.1947 0.1681 2 0.2703 0.1532 0.1622 0.4144 22 0.2885 0.2212 0.2404 0.2500 3 0.2703 0.0631 0.2162 0.4505 23 0.1765 0.1863 0.2549 0.3824 4 0.4234 0.2883 0.1081 0.1802 24 0.2087 0.4087 0.1913 0.1913 5 0.2342 0.1081 0