一种基于卷积模糊神经网络的4mC位点预测方法技术

本发明专利技术提供了一种基于卷积模糊神经网络的4mC位点预测方法，包括如下步骤：S1、获取数据集，对数据集进行预处理，对预处理后的数据集进行特征表示并进行多尺度特征融合；S2、利用卷积神经网络对数据集进行局部特征提取，得到重要特征；S3、将重要特征送入模糊神经网络进行隶属度值的选取，从而构建卷积模糊神经网络；S4、使用卷积模糊神经网络对待预测数据进行预测，得到预测结果。本发明专利技术不仅采用CNN进行局部特征提取，还利用FNN对输入数据赋予不同的隶属度值。本发明专利技术对输入特征的好坏要求较低，能对离群噪声值进行过滤，模型局限性较小，测试集中表现效果良好。

【技术实现步骤摘要】

本专利技术涉及位点预测，具体而言，尤其涉及一种基于卷积模糊神经网络的4mc位点预测方法。

技术介绍

1、n4-甲基胞嘧啶(n4-methylcytosine，4mc)位点预测有助于深入理解疾病机理，对药物研发有促进作用。然而传统生物实验方法不仅消耗大量时间及财力，且无法满足高通量的数据需求。

2、4mc位点预测方法中，基于卷积神经网络的预测方法能很好的提取局部特征，但该方法过度依赖于输入特征的好坏，对输入特征有很高的要求，无法对离群噪声值进行过滤，模型局限性较大，测试集中表现不佳。

3、模糊网络只能处理小数据集，随着输入数据的增多，模糊网络的节点数将以指数级爆炸增长，当输入数量过大时，模糊推理的组合变得过于复杂，这些数据量很难用任何硬件来实现。因此，传统的模糊网络难以计算大型数据。

技术实现思路

1、有鉴于此，本专利技术的目的在于提出一种基于卷积模糊神经网络的4mc位点预测方法，以解决现有方法难以计算大型数据的技术问题。

2、本专利技术采用的技术手段如下：

3、本文档来自技高网...

【技术保护点】

1.一种基于卷积模糊神经网络的4mC位点预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于卷积模糊神经网络的4mC位点预测方法，其特征在于，S1具体包括如下步骤：

3.根据权利要求1所述的基于卷积模糊神经网络的4mC位点预测方法，其特征在于，S2具体包括如下步骤：

4.根据权利要求1所述的基于卷积模糊神经网络的4mC位点预测方法，其特征在于，S3中，所述卷积模糊神经网络包含卷积神经网络和模糊神经网络两个子网络；

5.根据权利要求1所述的基于卷积模糊神经网络的4mC位点预测方法，其特征在于，S4还包括基于训练集对卷积模糊神经网...

【技术特征摘要】

1.一种基于卷积模糊神经网络的4mc位点预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于卷积模糊神经网络的4mc位点预测方法，其特征在于，s1具体包括如下步骤：

3.根据权利要求1所述的基于卷积模糊神经网络的4mc位点预测方法，其特征在于，s2具体包括如下步骤：

4.根据权利要求1所述的基于卷积模糊神经网络的4mc位点预测方法，其特征在于，s3中，所述卷积模糊神经网络包含卷积神经网络和模糊神经网络两个子网络；

5.根据权利要求1所述的基于卷积模糊神经网络的4mc位点预测方法，其特征在于，s4还包括基于训练集对卷积模糊...

【专利技术属性】
技术研发人员：邹婷婷，刘祥玉，吴文旭，郑欣艺，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：