大數(shù)據(jù)時(shí)代,熱點(diǎn)研究是挖掘有價(jià)值信息。本文研究目的是從大量未知蛋白質(zhì)中挖掘其功能。事實(shí)證明蛋白功能具有多樣性,因此本文使用能夠同時(shí)處理多個(gè)功能類(lèi)的多標(biāo)簽分類(lèi)算法。本文未知植物蛋白來(lái)源內(nèi)蒙古大學(xué)生科院,以GO功能為切入對(duì)未知蛋白進(jìn)行挖掘,為得已知蛋白數(shù)據(jù)集,從GO數(shù)據(jù)庫(kù)和uniprot數(shù)據(jù)庫(kù)爬取包含43個(gè)GO功能類(lèi)共計(jì)66341條蛋白質(zhì)序列。本文深入研究了基于問(wèn)題轉(zhuǎn)換的BR、CC、RAKEL算法和基于算法轉(zhuǎn)換的BR-KNN、ML-KNN、BPMLL算法。研究了基于理化性質(zhì)、基于n-gram、基于k-skip-n-gram的特征提取方法,并使用特征融合,實(shí)驗(yàn)證明將n-gram和理化性質(zhì)特征融合后在平均精度比只使用n-gram提升了0.008。改進(jìn)理化性質(zhì)特征提取方法使生成的特征數(shù)據(jù)集符合多標(biāo)簽分類(lèi)的要求。本文將六種特征處理方法和六種多標(biāo)簽分類(lèi)算法兩兩組合以快速有效的解決多標(biāo)簽分類(lèi)問(wèn)題,最后將數(shù)據(jù)集在36種組合上分別進(jìn)行交叉實(shí)驗(yàn),實(shí)驗(yàn)表明188維MLKNN在海明損失、0-1錯(cuò)誤率、覆蓋率、排序損失、平均精度上最優(yōu),分別比次優(yōu)組合算法好0.003、0.0215、0.2383、0.0043、0.... 

【文章來(lái)源】：內(nèi)蒙古大學(xué)內(nèi)蒙古自治區(qū) 211工程院校

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

序列和功能關(guān)系圖

第一章已大致介紹多標(biāo)簽算法，現(xiàn)更加詳細(xì)的闡述一下算法運(yùn)行機(jī)制及原理。1 問(wèn)題轉(zhuǎn)換方法（1）基于標(biāo)簽轉(zhuǎn)換方法BR 算法會(huì)把特征訓(xùn)練集分 p 個(gè)二分?jǐn)?shù)據(jù)集 Qλi,i=1…p，劃分為多少個(gè)二分?jǐn)?shù)據(jù)集是根集中標(biāo)簽的數(shù)量而定，二者相等。因?yàn)橐粋�(gè)標(biāo)簽表示的是這個(gè)數(shù)據(jù)集在這個(gè)類(lèi)上的標(biāo)，每個(gè)二分?jǐn)?shù)據(jù)集其實(shí)就是原來(lái)數(shù)據(jù)集上的屬性和對(duì)應(yīng)的它的單個(gè)（i=1...p）標(biāo)簽類(lèi)。屬于這單個(gè)標(biāo)簽，就標(biāo)記為 1，不屬于標(biāo)記為 0。當(dāng)訓(xùn)練好的模型應(yīng)用到待預(yù)測(cè)樣本時(shí) p 個(gè)二分類(lèi)器去預(yù)測(cè)對(duì)應(yīng)的 p 個(gè)類(lèi)標(biāo)簽，所有二分類(lèi)器的預(yù)測(cè)結(jié)果其實(shí)就是預(yù)定好的的類(lèi)標(biāo)簽的預(yù)測(cè)結(jié)果。在用時(shí)上來(lái)說(shuō)，P 個(gè)二分類(lèi)器一樣，因此時(shí)間相同，假設(shè)二分時(shí) O(C)，則 BR 的整體用時(shí)為 O(p×C)，所以 p 小的話(huà) BR 整體復(fù)雜度就小，因此使數(shù)據(jù)集標(biāo)簽數(shù)越少越好。由于 BR 算法是每個(gè)二分類(lèi)器在各個(gè)類(lèi)上單獨(dú)預(yù)測(cè)，現(xiàn)實(shí)問(wèn)簽類(lèi)之間可能有關(guān)聯(lián)性，甚至是樹(shù)狀層次關(guān)聯(lián)，所以 BR 在關(guān)聯(lián)性方面不是很好。BR 圖 2.1。

基于多標(biāo)簽分類(lèi)算法的植物蛋白功能預(yù)測(cè)研究果作為下一個(gè)類(lèi)標(biāo)簽預(yù)測(cè)的已知條件。假如分類(lèi)器 Cj對(duì)應(yīng)標(biāo)簽類(lèi)λj，一個(gè)樣本 x 需個(gè)標(biāo)簽類(lèi)上分類(lèi)，是值為 1 不是值為 0，結(jié)果為 Pr(λ1|x)。C2判斷 x 是否屬于λ2，此上λ1的值作為輸入得 Pr(λ2∣xλ1）。依次到判斷最后一個(gè)標(biāo)簽類(lèi)時(shí)，會(huì)將前面 j-1 個(gè)的預(yù)測(cè)結(jié)果都考慮進(jìn)去，即λ1,…,λj 1會(huì)作為已知信息和樣本一起輸入得 P,λj 1)�？紤]了標(biāo)簽間聯(lián)系，改進(jìn)了 BR。過(guò)程如圖 2.2。

【參考文獻(xiàn)】：
期刊論文
[1]基于大數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)與應(yīng)用[J]. 張愛(ài)國(guó).  現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化. 2017(03)
[2]大數(shù)據(jù)下的機(jī)器學(xué)習(xí)算法綜述[J]. 何清,李寧,羅文娟,史忠植.  模式識(shí)別與人工智能. 2014(04)
[3]一種改進(jìn)的ML-kNN多標(biāo)記文檔分類(lèi)方法[J]. 程圣軍,黃慶成,劉家鋒,唐降龍.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2013(11)
[4]多標(biāo)簽數(shù)據(jù)挖掘技術(shù):研究綜述[J]. 李思男,李寧,李戰(zhàn)懷.  計(jì)算機(jī)科學(xué). 2013(04)
[5]數(shù)據(jù)降維方法分析與研究[J]. 吳曉婷,閆德勤.  計(jì)算機(jī)應(yīng)用研究. 2009(08)
[6]nr數(shù)據(jù)庫(kù)分析及其本地化[J]. 鄧泱泱,荔建琦,吳松鋒,朱云平,陳耀文,賀福初.  計(jì)算機(jī)工程. 2006(05)
[7]典型相關(guān)分析的理論及其在特征融合中的應(yīng)用[J]. 孫權(quán)森,曾生根,王平安,夏德深.  計(jì)算機(jī)學(xué)報(bào). 2005(09)
[8]決策樹(shù)分類(lèi)技術(shù)研究[J]. 欒麗華,吉根林.  計(jì)算機(jī)工程. 2004(09)
[9]決策樹(shù)學(xué)習(xí)算法ID3的研究[J]. 楊明,張載鴻.  微機(jī)發(fā)展. 2002(05)
[10]數(shù)據(jù)挖掘中的數(shù)據(jù)分類(lèi)算法綜述[J]. 劉紅巖,陳劍,陳國(guó)青.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2002(06)

碩士論文
[1]一種改進(jìn)的ML-KNN多標(biāo)記分類(lèi)方法研究[D]. 伏浩銘.電子科技大學(xué) 2017



本文編號(hào)：3034432