基于主動(dòng)學(xué)習(xí)的非實(shí)驗(yàn)蛋白數(shù)據(jù)挖掘方法研究.pdf

1、碩士學(xué)位論文基于主動(dòng)學(xué)習(xí)的非實(shí)驗(yàn)蛋白數(shù)據(jù)挖掘方法研究ResearchonNon—experimentalProteinDateMiningwithActiveLearning學(xué)21009153完成日期：20130426大連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)碩士學(xué)位論文摘要蛋白質(zhì)的功能與其亞細(xì)胞定位密切相關(guān)，針對蛋白亞細(xì)胞定位預(yù)測中實(shí)驗(yàn)數(shù)據(jù)缺乏的問題，利用主動(dòng)學(xué)習(xí)方法，提出一種從非實(shí)驗(yàn)蛋白質(zhì)數(shù)據(jù)中

2、主動(dòng)挑選樣本的方法。該方法基于一個(gè)可以衡量樣本有用性的評估函數(shù)，利用該函數(shù)估計(jì)出每個(gè)樣本對于分類預(yù)測的價(jià)值從而主動(dòng)挑選出最具價(jià)值的樣本。以SwissProt蛋白質(zhì)數(shù)據(jù)庫為基礎(chǔ)，按照蛋白質(zhì)條目信息對蛋白質(zhì)進(jìn)行篩選，然后用PISCES對蛋白質(zhì)序列進(jìn)行處理，把得到的蛋白質(zhì)序列進(jìn)行PseAA特征提取，構(gòu)建革蘭氏陽性菌、革蘭氏陰性菌和植物數(shù)據(jù)集。把主動(dòng)學(xué)習(xí)方法引入蛋白亞細(xì)胞定位預(yù)測問題中，基于損失函數(shù)和標(biāo)簽概率，構(gòu)建非實(shí)驗(yàn)標(biāo)記樣本挑選算法。利用三

3、個(gè)分類器在三個(gè)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，按照挑選出來的順序把非實(shí)驗(yàn)樣本逐漸加入到原始訓(xùn)練集中重新訓(xùn)練當(dāng)前分類器并用測試集測試分類器的性能。實(shí)驗(yàn)結(jié)果～方面表明取得的最好預(yù)測結(jié)果均比未加非實(shí)驗(yàn)樣本和加入所有非實(shí)驗(yàn)樣本時(shí)高，這說明該算法可以選擇合適數(shù)量的非實(shí)驗(yàn)樣本從而提高預(yù)測效果；另一方面表明訓(xùn)練數(shù)據(jù)缺乏問題比較嚴(yán)重時(shí)，預(yù)測效果提高的也越多，這說明非實(shí)驗(yàn)樣本對于提高分類器性能的重要性。因此基于主動(dòng)學(xué)習(xí)的非實(shí)驗(yàn)蛋白數(shù)據(jù)挑選算法能夠有效實(shí)現(xiàn)最具價(jià)值樣本的