基于智能Agent的生物信息檢索系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、生物信息學(xué)是生物學(xué)與計(jì)算機(jī)科學(xué)以及應(yīng)用數(shù)學(xué)等學(xué)科相互交叉而形成的一門(mén)新興學(xué)科。生物信息數(shù)據(jù)庫(kù)中數(shù)據(jù)呈指數(shù)增長(zhǎng)，如何有效組織、檢索、處理出需要信息成為當(dāng)前面臨的挑戰(zhàn)。在生物信息學(xué)領(lǐng)域，利用串聯(lián)質(zhì)譜搜索數(shù)據(jù)庫(kù)對(duì)肽和蛋白質(zhì)鑒定是一個(gè)重要的生物序列檢索問(wèn)題。
　　機(jī)器學(xué)習(xí)是使計(jì)算機(jī)能模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，自動(dòng)地通過(guò)學(xué)習(xí)獲取新的知識(shí)和技能，并對(duì)已有的知識(shí)結(jié)構(gòu)進(jìn)行重新組織，不斷改善性能，實(shí)現(xiàn)自我完善的一種新技術(shù)。度量數(shù)據(jù)庫(kù)中保存的數(shù)據(jù)對(duì)象

2、與用戶查詢之間相關(guān)度的檢索函數(shù)是所有檢索系統(tǒng)的關(guān)鍵組成部分。本文利用機(jī)器學(xué)習(xí)技術(shù)，從檢索函數(shù)設(shè)計(jì)的兩個(gè)方面，深入研究了生物信息學(xué)中蛋白質(zhì)序列鑒定和蛋白質(zhì)同源性預(yù)測(cè)這兩個(gè)重要的檢索問(wèn)題。
　　度量數(shù)據(jù)對(duì)象與查詢之間相關(guān)性的基本指標(biāo)會(huì)因?qū)嶋H檢索問(wèn)題的復(fù)雜性，往往有多種，構(gòu)成多維特征向量。本文要研究的排位函數(shù)學(xué)習(xí)問(wèn)題就是利用機(jī)器學(xué)習(xí)的方法將多種相關(guān)性度量指標(biāo)合理地合并成一個(gè)指標(biāo)，即學(xué)習(xí)出一個(gè)定義在相關(guān)性特征向量上的實(shí)值函數(shù)，以對(duì)檢索結(jié)果

3、進(jìn)行排位。數(shù)據(jù)的塊結(jié)構(gòu)形式是檢索函數(shù)學(xué)習(xí)問(wèn)題獨(dú)有的特點(diǎn)。本文結(jié)合蛋白質(zhì)同源性預(yù)測(cè)問(wèn)題，通過(guò)深入挖掘這種塊結(jié)構(gòu)提出了一些提高檢索函數(shù)學(xué)習(xí)準(zhǔn)確性的方法，包括用于解決塊間數(shù)據(jù)非獨(dú)立同分布問(wèn)題的塊內(nèi)數(shù)據(jù)歸一化和塊特征向量擴(kuò)充方法；用于數(shù)據(jù)去冗余的塊選擇和支持向量下采樣方法；以及用于構(gòu)造查詢適應(yīng)的檢索函數(shù)的K近塊集成排位算法等。
　　本文將軟件 Agent理論和數(shù)據(jù)挖掘技術(shù)相結(jié)合，設(shè)計(jì)了一個(gè)基于智能 Agent的面向生物信息領(lǐng)域的信息檢索服