基于主動學習的非實驗蛋白數據挖掘方法研究.pdf

1、碩士學位論文基于主動學習的非實驗蛋白數據挖掘方法研究ResearchonNon—experimentalProteinDateMiningwithActiveLearning學21009153完成日期：20130426大連理工大學DalianUniversityofTechnology大連理工大學碩士學位論文摘要蛋白質的功能與其亞細胞定位密切相關，針對蛋白亞細胞定位預測中實驗數據缺乏的問題，利用主動學習方法，提出一種從非實驗蛋白質數據中

2、主動挑選樣本的方法。該方法基于一個可以衡量樣本有用性的評估函數，利用該函數估計出每個樣本對于分類預測的價值從而主動挑選出最具價值的樣本。以SwissProt蛋白質數據庫為基礎，按照蛋白質條目信息對蛋白質進行篩選，然后用PISCES對蛋白質序列進行處理，把得到的蛋白質序列進行PseAA特征提取，構建革蘭氏陽性菌、革蘭氏陰性菌和植物數據集。把主動學習方法引入蛋白亞細胞定位預測問題中，基于損失函數和標簽概率，構建非實驗標記樣本挑選算法。利用三

3、個分類器在三個數據集上進行實驗，按照挑選出來的順序把非實驗樣本逐漸加入到原始訓練集中重新訓練當前分類器并用測試集測試分類器的性能。實驗結果～方面表明取得的最好預測結果均比未加非實驗樣本和加入所有非實驗樣本時高，這說明該算法可以選擇合適數量的非實驗樣本從而提高預測效果；另一方面表明訓練數據缺乏問題比較嚴重時，預測效果提高的也越多，這說明非實驗樣本對于提高分類器性能的重要性。因此基于主動學習的非實驗蛋白數據挑選算法能夠有效實現最具價值樣本的