植物抗性基因识别中的随机森林分类方法* (2012年)

为了解决传统基于同源序列比对的抗性基因识别方法中假阳性高、无法发现新的抗性基因的问题，提出了一种利用随机森林分类器和K-Means聚类降采样方法的抗性基因识别算法。针对目前研究工作中挖掘盲目性大的问题，进行两点改进：引入了随机森林分类器和188维组合特征来进行抗性基因识别，这种基于样本统计学习的方法能够有效地捕捉抗性基因内在特性；对于训练过程中存在的严重类别不平衡现象，使用基于聚类的降采样方法得到了更具代表性的训练集，进一步降低了识别误差。实验结果表明，该算法可以有效地进行抗性基因的识别工作，能够对现有实