基于改進(jìn)樸素貝葉斯的蛋白質(zhì)提純方法選擇.pdf

1、蛋白質(zhì)提純是蛋白質(zhì)工程中一個重要的研究課題，提純方法主要與蛋白質(zhì)屬性相關(guān)，但并非簡單的一一對應(yīng)?，F(xiàn)有提純方法主要依靠試驗人員根據(jù)蛋白質(zhì)屬性按照歷史經(jīng)驗選擇，且提純試驗過程復(fù)雜，成本較高?？紤]到目前已有大量成功的提純經(jīng)驗文獻(xiàn)，可以根據(jù)提純方法與蛋白質(zhì)屬性的相關(guān)性，利用數(shù)據(jù)挖掘中的分類方法來取代傳統(tǒng)的工藝摸索方式，實現(xiàn)蛋白質(zhì)提純方法的快速摸索。
　　在分類準(zhǔn)確率相同的條件下，樸素貝葉斯算法(Naive Bayes，NB)與神經(jīng)網(wǎng)絡(luò)、K

2、-means等分類算法相比較，具有快速性、高效性、簡潔性。為了減少計算的復(fù)雜度，傳統(tǒng)樸素貝葉斯算法默認(rèn)有兩個假設(shè)，即:樣本全部屬性均為相互獨(dú)立分布;數(shù)值型連續(xù)屬性均滿足正態(tài)分布。這種假設(shè)在一定范圍內(nèi)簡化了問題，并達(dá)到很好的分類效果。但是，樸素貝葉斯算法的分類精度主要由樣本數(shù)據(jù)的完整性和樣本屬性的性質(zhì)綜合決定。而在蛋白質(zhì)提純過程中，經(jīng)驗文獻(xiàn)的表述不盡相同，在獲取蛋白質(zhì)樣本數(shù)據(jù)的過程由于各種無法預(yù)測的原因總會出現(xiàn)數(shù)據(jù)的缺失，蛋白質(zhì)樣本屬性也

3、無法始終滿足上述兩條假設(shè)，從而導(dǎo)致分類精度降低。因此直接使用傳統(tǒng)樸素貝葉斯方法，并不能有效實現(xiàn)提純方法的快速摸索。
　　據(jù)此，本文在樸素貝葉斯分類算法基礎(chǔ)上，建立了一種新算法——EM-KDNB。首先構(gòu)建屬性貝葉斯網(wǎng)絡(luò)，引入EM算法利用不完整的數(shù)據(jù)進(jìn)行參數(shù)學(xué)習(xí)，通過初始化缺失參數(shù)，并為每個潛在的初始值賦予權(quán)值，建立臨權(quán)樣本，利用新樣本迭代收斂至局部最優(yōu)，填補(bǔ)缺失的參數(shù);然后，基于核密度估計（Kernel Density Estima