特征挑選方法在有機譜圖解析中的應(yīng)用.pdf

1、現(xiàn)代分析科學與計算機科學的發(fā)展為我們提供了大量而又豐富的化學數(shù)據(jù)，在這些化學數(shù)據(jù)中蘊藏著巨大的化學信息。在儀器硬件設(shè)備不斷改進的今天，通過數(shù)學知識以及化學信息學知識去解析這些化學數(shù)據(jù)，同樣可以有效的提高儀器的應(yīng)用效果。然而如何有效的將這些蘊涵在大量的化學量測數(shù)據(jù)中的化學信息提取出來，是分析化學工作者們所面臨的巨大的挑戰(zhàn)與極大的機遇。紅外光譜與質(zhì)譜作為有機化學工作者應(yīng)用最為廣泛的兩類譜圖，通過幾十年的發(fā)展，積累了大量的譜圖數(shù)據(jù)。這些為我們

2、應(yīng)用化學信息學知識，利用計算機輔助對有機波譜進行解析提供了有力的條件。在對波譜解析的研究中，通過對波譜進行數(shù)學轉(zhuǎn)換，應(yīng)用特征挑選方法進行數(shù)據(jù)優(yōu)化降維，在近十年引起了這一領(lǐng)域越來越多課題組的關(guān)注。 本文的研究對象為：OMNIC數(shù)據(jù)庫中的紅外光譜，NIST 2.0質(zhì)譜數(shù)據(jù)庫中的質(zhì)譜。研究內(nèi)容：通過將原始譜圖進行適當?shù)臄?shù)學轉(zhuǎn)化，生成一定數(shù)量的譜圖特征；應(yīng)用特征挑選方法，對這些譜圖特征進行挑選形成最優(yōu)的譜圖特征集合，達到數(shù)據(jù)去冗降維的

3、目的；將一系列分類方法應(yīng)用于挑選出的最優(yōu)譜圖特征集合，討論挑選的意義以及對分類結(jié)果的影響。研究方法：采用了兩種特征挑選方法，F(xiàn)isher比率(Fisher ratios)，遺傳算法和偏最小二乘回歸相結(jié)合(GA—PLS)；針對不同研究對象共使用五種分類方法，K最鄰近法(KNN)，支持向量機(SVM)，助推法與分類回歸樹(AdaBoost—CART)，分類回歸樹(CART)，概率神經(jīng)網(wǎng)絡(luò)(PNN)。 作為振動光譜的紅外光譜，對烯烴

4、的順/反(cis-/trarls-)結(jié)構(gòu)具有很好的識別能力，然而由于特殊官能基團對分子振動的影響，對光譜中順/反結(jié)構(gòu)的直觀解析，有時存在較大的困難。因此針對紅外光譜，本文主要的研究目的是對烯烴化合物的順/反構(gòu)型進行分類預(yù)測。通過對原始譜圖特征挑選，應(yīng)用SVM，PNN兩種分類方法建立分類器進行預(yù)測，與未應(yīng)用特征挑選方法而直接使用全譜的分類器進行比較，研究結(jié)果顯示應(yīng)用了特征挑選的分類器可以得到更佳的分類效果；其中，通過GA—PLS挑選的特征

5、建立的分類器預(yù)測效果明顯好于Fisher ratios挑選特征構(gòu)建的分類器。不同于譜圖表現(xiàn)為連續(xù)譜的紅外光譜，質(zhì)譜由于是離子碎片形成的譜圖，其含有的化學結(jié)構(gòu)信息更多，同時也更加難以直觀的進行解析判斷。因此對質(zhì)譜進行解析時，需要采取一系列的數(shù)學轉(zhuǎn)化方法，得到一定數(shù)量的質(zhì)譜特征；同時因為這些特征均具有較強的化學結(jié)構(gòu)解釋的意義，當我們采用特征挑選方法提取這些特征時，也就相應(yīng)找到了在對該物質(zhì)進行質(zhì)譜解析時，起到關(guān)鍵作用的化學結(jié)構(gòu)。針對質(zhì)譜，本文