利用 Rips 复构造与混沌博弈表示实现序列分类的序列到图像转换
机器学习
2025-12-12 v1
摘要
传统的分子序列分类特征工程方法面临稀疏性问题和计算复杂度问题，而深度学习模型在表格型生物数据上表现往往不佳。本文提出一种新颖的拓扑方法，通过将混沌博弈表示（CGR）与代数拓扑中的 Rips 复构造相结合，将分子序列转换为图像。该方法通过 CGR 将序列元素映射到二维坐标，计算成对距离，并构造 Rips 复以捕获局部结构特征和全局拓扑特征。我们对表示的唯一性、拓扑稳定性和信息保持提供了形式化保证。在抗癌肽数据集上的大量实验表明，本方法的性能优于基于向量的方法、序列语言模型以及现有的基于图像的方法，在乳腺癌和肺癌数据集上分别达到了 86.8% 和 94.5% 的准确率。该拓扑表示保留了关键序列信息，同时使得基于视觉的深度学习架构能够有效用于分子序列分析。
引用
@article{arxiv.2512.10141,
title = {Sequence-to-Image Transformation for Sequence Classification Using Rips Complex Construction and Chaos Game Representation},
author = {Sarwan Ali and Taslim Murad and Imdadullah Khan},
journal= {arXiv preprint arXiv:2512.10141},
year = {2025}
}