酶識別支持向量機特征提取自檢法留一法碩士論文

基于特征提取的酶識別問題研究【關鍵詞】酶識別;支持向量機;特征提取;自檢法;留一法;【英文關鍵詞】enzymeidentification;supportvectormachine;featureselection;self-consistencytest;leave-one-outtest;【中文摘要】在生物信息學中,將酶從蛋白質識別出來一直是對酶進行進一步研究的一個前提。其研究方法都是將已知的酶作為研究對象,找出一種對已知酶進行準確識別的方法,然后推廣到對未知酶識別的應用中。傳統(tǒng)的酶識別方法多是采用序列比對的方法,雖然后人對這種方法有不斷地改進,但是仍需要較大的存儲空間與比對時間。近些年，機器學習的方法也開始的應用到這個領域中。支持向量機SupportVectorMachine,SVM) 一種基于統(tǒng)計學理論的機器學習方法借助自己的無局部最小點和防止過適應等優(yōu)點，迅速成為研究的熱點并且在酶識別領域表現出不錯的效果。為了得到好的機器學習效果,機器學習需要研究者根據實際問題的不同提出一套完整的機器學習方案。本文以支持向量機為基礎,采用了一種基于特征提取的機器學習方案,通過選取合適數量的特征作為訓練數據形成分類精度最高的酶識別器。之所以選用特征提取的方法主要是因為:在實驗中,蛋白質的功能域被看做它的特征,并不是所有的功能域都對形成準確的分類器起到好的作用,并且我們推測這些功能域特征中存在噪聲,因此應該剔除其中一些起到反作用的特征。基于以上的原因，文中選用了1-rule法和信息增益法兩種...【英文摘要】Inbioinformatics,identifyingenzymesfromproteinsisaprerequisiteforfurtherresearchinenzymes.Itsmethodofresearchisthattakingknownenzymesasresearchobjectandfindingamethodcouldidentifyenzymeswithhighaccuracy,thenapplyinginidentifyingunknownenzymes.Thetraditionalmethodusedinenzymesidentificationisalignment.Althoughmanyscientistsdolotsofworktoimprovealignment,themethodstillneedsbigstoragespaceandcomputingtime.Inrecentyears,machinelearningh...摘要5-6Abstract6第1章緒論9-141.1研究的背景、目的及意義9-101.2國內外研究現狀及評價10-121.3本文的內容和章節(jié)安排12-131.4本文的創(chuàng)新點13-14第2章基礎理論14-242.1支持向量機的理論知識14-17線性可分14-162.1.2線性不可分16-172.2特征提取的原因17-182.2.1什么是特征17原因17-182.3幾種特征提取方法18-241-rule18-202.3.2信息增益法20-24第3章實驗步驟24-323.1實驗數據24-253.1.1蛋白質酶的獲取243.1.2非酶蛋白質的獲取24-253.2實驗數據的篩選253.3基于功能結構域組成的蛋白質數字化表示25-27Pfam數據庫25-263.3.2數字化表示26-273.4特征信息計算27-281-rule法特征信息計算27-283.4.2信息增益法特征信息計算283.5學習機的選擇28-293.6訓練數據的選擇與測試29-313.7實驗過程流程圖31-32第4章實驗結果分析32-394.1誤差率32自檢法32-334.3留一法334.4實驗結果33-361-rule法實驗結果33-354.4.2信息增益法實