基于GC-MS的高速譜庫(kù)探索算法研究.pdf

1、化合物識(shí)別主要通過(guò)質(zhì)譜庫(kù)相似性搜索實(shí)現(xiàn)的。近年來(lái)，隨著質(zhì)譜庫(kù)中可用質(zhì)譜數(shù)據(jù)的迅速增加，這就需要一個(gè)高識(shí)別率，高速搜索的庫(kù)搜索算法。本文中我們將七種相似性度量結(jié)合在一起并利用它們的識(shí)別差異性來(lái)提高識(shí)別率，即多元組合相似性度量算法(Multiple Similarity Measures，MUL_SM)。七種相似性度量:絕對(duì)距離度量(Absolute Value Difference，ABS VD)、歐幾里得距離度量(Euclidean d

2、istance，Euclidean)、余弦相關(guān)系數(shù)度量（Cosine Correlation，Cosine）、相關(guān)系數(shù)度量(Correlation)和Stein和Scott提出的復(fù)合相似性度量(以下簡(jiǎn)稱SS)、以及基于離散傅里葉變換和小波變換的復(fù)合相似性度量(Discrete Fourierand wavelet transform composite similarity measure，DFTR和DWTD)并利用粒子群優(yōu)化算法(Pa

3、rticle Swarm Optimization，PSO)來(lái)設(shè)定這七種不同相似性度量在MUL SM中所占的權(quán)重值。同時(shí)，為了減少庫(kù)搜索計(jì)算時(shí)間，從七種相似性度量中選擇一種度量作為“濾波器”（構(gòu)建子搜索主庫(kù)）。根據(jù)庫(kù)搜索計(jì)算時(shí)間、識(shí)別率和分子結(jié)構(gòu)相似性解釋能力三種性能，最終選定ABS VD作為原始搜索主庫(kù)的“濾波器”。
　　傳統(tǒng)質(zhì)譜庫(kù)搜索的數(shù)據(jù)基本上是原始的氣相色譜-質(zhì)譜聯(lián)用(GasChromatography Coupled t

4、o Mass Spectrometry，GC-MS)數(shù)據(jù)，樣本量多且數(shù)據(jù)的維數(shù)較高，從而導(dǎo)致庫(kù)搜索速度較為緩慢。所以本文中提出了一種基于隨機(jī)映射位置敏感哈希(Location Sensitive Hash，LSH)的庫(kù)搜索算法實(shí)現(xiàn)了高速、高效的庫(kù)搜索算法。
　　本文主要研究?jī)?nèi)容如下:
　　1、針對(duì)傳統(tǒng)單一相似度量算法低識(shí)別率的問(wèn)題，提出了MUL_SM。本算法主要內(nèi)容如下:識(shí)別差異性的可視化和粒子群優(yōu)化算法選擇權(quán)值。實(shí)驗(yàn)表明M