符号序列多阶Markov分类

来源：计算机应用杂志2017年第7期北京时间：

作者：程铃钫, 郭躬德, 陈黎飞

单位：1. 福建农林大学 金山学院, 福州 350002;2. 福建师范大学 数学与计算机科学学院, 福州 350117

摘要：针对基于固定阶Markov链模型的方法不能充分利用不同阶次子序列结构特征的问题，提出一种基于多阶Markov模型的符号序列贝叶斯分类新方法。首先，建立了基于多阶次Markov模型的条件概率分布模型；其次，提出一种附后缀表的n-阶子序列后缀树结构和高效的树构造算法，该算法能够在扫描一遍序列集过程中建立多阶条件概率模型；最后，提出符号序列的贝叶斯分类器，其训练算法基于最大似然法学习不同阶次模型的权重，分类算法使用各阶次的加权条件概率进行贝叶斯分类预测。在三个应用领域实际序列集上进行了系列实验，结果表明：新分类器对模型阶数变化不敏感；与使用固定阶模型的支持向量机等现有方法相比，所提方法在基因序列与语音序列上可以取得40%以上的分类精度提升，且可输出符号序列Markov模型最优阶数参考值。

关键词：符号序列,Markov链模型,多阶模型,贝叶斯分类,后缀树

基金资助：国家自然科学基金资助项目（61672157）。