復雜化學數(shù)據(jù)的知識發(fā)現(xiàn)新型化學計量學算法研究.pdf

1、化學計量學的發(fā)展表明了化學和分析化學進入了信息時代。分析化學和化學技術(shù)中需要的是改進的定量信息,這就需要將化學量測轉(zhuǎn)化成有意義的結(jié)果,例如,從所得的數(shù)據(jù)中提取有用的信息。通常地，從多元數(shù)據(jù)陣中提取有意義的結(jié)果意味著探測數(shù)據(jù)的自然聚類和異常點,然后尋找適當?shù)木垲愞k法或設(shè)計一個代表數(shù)據(jù)集的校正模型。然而,這些目標并不容易實現(xiàn),特別是當我們處理從先進的化學儀器或化工廠獲得的復雜多變量數(shù)據(jù)集時。本論文提出了五種新的化學計量學算法,提高了對復雜多

2、變量化學數(shù)據(jù)集的信息挖掘能力。第一個算法適用于聚類分析領(lǐng)域,我們稱它為泡泡凝聚(BA)。這個算法將每個數(shù)據(jù)點認作為一個半徑為r的泡泡的球心。所有的泡泡大小相同,每組鄰近的泡泡形成一個自然類或一個核心。算法逐漸增大泡泡的半徑和鄰近泡泡的數(shù)目。從而原先認為的類的核心逐漸減少。稀疏的數(shù)據(jù)點根據(jù)它們到不同核心的距離分布于不同的核心。最后通過可靠性曲線決定最優(yōu)的泡泡半徑。我們用了兩套模擬數(shù)據(jù)集和三套實際數(shù)據(jù)集來驗證此方法的性能。與K-均值方法的比

3、較顯示了BA方法令人滿意的優(yōu)良性能。毫無疑問,將多維數(shù)據(jù)集降維呈現(xiàn)在二維數(shù)據(jù)空間,不僅是檢測自然聚類也是提取所有數(shù)據(jù)集內(nèi)含信息的一個強大的工具。在本論文中提出的第〔蓋inese abs介aCt二個算法是基于主成分分析(P cA)的新的多維數(shù)據(jù)顯示方法。數(shù)據(jù)點可顯示在兩維空間中,并且同時不受只使用前兩個主成分的約束。在這種方法中,所有含重要化學信息的主成分在可視化過程中都可充分利用。數(shù)據(jù)點通過(n+l)邊規(guī)則多邊形顯示,n個主成分包含大多

4、數(shù)的化學信息。所提出的方法應(yīng)用到實際的化學數(shù)據(jù)集中;有一些數(shù)據(jù)集并不能用傳統(tǒng)的PCA方法成功可視化。所得到的結(jié)果表明我們提出的方法能顯示化學數(shù)據(jù)集,尤其是所提出的方法保持數(shù)據(jù)點之間內(nèi)部相對距離比傳統(tǒng)的PCA方法要好。 本論文的第三個算法適用于分類方法;算法命名為多產(chǎn)遺傳算法(MpGA),可用來對重疊化學數(shù)據(jù)進行分類。所提出算法首先估計了一個線性判別函數(shù)。我們通過兩個新提出算子改進后的遺傳算法估計線性判別函數(shù),即,多產(chǎn)、滅絕與定向生成。改

5、進了的遺傳算法改善了線性分類的結(jié)果,同時減少了計算時間。為了克服線性不可分的化學數(shù)據(jù)集常遇到的困難,優(yōu)化的線性分類器通過補充非線性分類器進一步改善。補充的非線性的相應(yīng)部分通過對線性分類錯誤的樣品建立半超橢圓體實現(xiàn)。所提出的MPGA應(yīng)用于對七組化學數(shù)據(jù)集進行分類。實驗結(jié)果表明所提出的MPGA能對嚴重重疊的數(shù)據(jù)集進行正確分類。第四個算法改善了多元線性校正過程。這種方法稱之為逐步準線性建模方法,當單個線性校正模型不能在允許的殘差范圍內(nèi)描述整個

6、數(shù)據(jù)集時,它將數(shù)據(jù)集分為幾個線性的子集。此算法處理線性模型將尋找子集轉(zhuǎn)化成數(shù) VI尸〔傲inese absh.act據(jù)空間的超平面。改進的遺傳算法通過給定的最大誤差將數(shù)據(jù)集分成線性的子集。所提出的算法成功地將一個實際的QsAR數(shù)據(jù)集分成三個同類的線性子集,與單個線性模型相比,殘差非常小。提出的第五個算法在將數(shù)據(jù)集分成子集的情況下辨別樣品。當在限定的誤差范圍內(nèi)單個線性模型不能成功地代表整個數(shù)據(jù)集時,此算法綜合了將數(shù)據(jù)集分成幾個線性的子集。

7、提出了兩種不同的分類方法通過使用相應(yīng)的線性模型估計預測變量”少”,將新的樣品歸入正確的子集。每種方法的判別過程可通過比較用分割算法的原始線性模型對新樣品”,所計算的變量”夕”與假設(shè)第一種方法用PcR或第二種方法用PLsR所得的”夕”之間的偏差實現(xiàn)。樣品屬于給出最小偏差的子集。除了兩組模擬的數(shù)據(jù)集,此方法還用于兩組實際的QSAR數(shù)據(jù)集。結(jié)果與傳統(tǒng)的SIMCA聚類方法比較表明,每個提出的方法都能用于將新的樣品歸于用遺傳算法分割數(shù)據(jù)集的子集,