检索结果-南通市图书馆

基于组合分类算法的蛋白质过敏原预测方法研究和平台开发

在线全文

学校读者我要写书评

暂无评论

基于组合分类算法的蛋白质过敏原预测方法研究和平台开发

作者：王琳东北师范大学

学位级别：硕士

近年来,蛋白质过敏原预测作为一个核心问题被深入讨论,在免疫学领域中占据着十分重要的位置。在传统的生物医学领域,主要使用生物实验或者分析临床病例的方式预测过敏原。然而生物学检测过敏原的方法耗时长、成本高,无法满足对海量蛋白... 详细信息

近年来,蛋白质过敏原预测作为一个核心问题被深入讨论,在免疫学领域中占据着十分重要的位置。在传统的生物医学领域,主要使用生物实验或者分析临床病例的方式预测过敏原。然而生物学检测过敏原的方法耗时长、成本高,无法满足对海量蛋白质的预测的需求。随着生物学测序的快速发展,人们已经对大量蛋白质进行了测序,获取了它们的序列信息。在这样的时代背景下,计算生物学思想逐渐成熟起来。先用计算的方法进行过敏原预测,再佐以生物实验技术进行检测和验证是当前过敏原预测的主流方法,将计算预测方法与生物实验技术相结合极大地加快了过敏原预测的速度。已有大量的机构和学者采用计算方法预测蛋白质过敏原。国际食品生物技术委员会和国际生命科学变态反应免疫学研究所提出了用来评价转基因食物中蛋白质致敏性的决策树法,世界卫生组织和联合国粮农组织在此基础上改进了该决策树,并提出了基于序列相似性的蛋白质过敏原预测方法。即如果一个蛋白质序列与某个或某些已知过敏原序列非常相似,那么该蛋白质很可能是过敏原。随后又有学者提出了基于motif的蛋白质过敏原预测方法,并且得到了更好的预测结果。从计算机领域来考虑蛋白质过敏原预测的问题,会发现这是一个典型的二分类问题。如果能够数值化的衡量蛋白质的某些生物化学特征,就可以使用机器学习的方法对其进行分类。广为采用的数值特征包括氨基酸组成、二肽组成和B描述符等,都取得了较好的效果。与此同时,支持向量机和人工神经网络等现有的分类方法,也被应用于蛋白质过敏原预测中。因此,本文采用主成分分析来提取氨基酸指数特征中的主要信息,并将其与氨基酸组成结合起来作为一种新的特征描述符。在大多数情况下,多数人表决的判断结果往往要比一个人的判断更为准确,所以本文尝试在过敏原预测中使用组合分类方法,并期待有更好的预测结果。为了验证本文的想法,本文设计了一个对比实验。本文使用三个特征集合进行实验,包括氨基酸组成、氨基酸指数和两者相结合的特征。使用三种分类算法,包括支持向量机、AdaboostM1和 LogitBoost。每种分类算法分别在每种特征数据集下进行一次十重交叉验证的实验。结果表明,氨基酸组成和氨基酸指数相结合的特征比单独某一项特征包含了更多的信息,LogitBoost算法的预测效果相对支持向量机和AdaboostM1更好。因此,基于组合分类器的过敏原预测方法是可行的,且优于之前的方法。此外,本文建立了一个过敏原预测网上平台,为免疫学和医学研究者提供了过敏原相关信息的查询及下载服务,还包括单条或批量蛋白序列的预测服务等。

关键词：过敏原预测氨基酸组成氨基酸指数组合分类方法网上平台

Diverse AdaBoost-SVM分类方法及其在航空发动机故障诊断中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

航空学报 2007年第5期28卷 1085-1090页

作者：胡金海谢寿生蔡开龙何秀然彭靖波空军工程大学工程学院陕西西安710038

提出采用考虑到精度/差异权衡的SVM作为弱分类器的一种新的组合分类诊断方法——DiverseAdaBoost-SVM。该方法通过在一组具有适当精度的弱分类器中进一步选择具有较大差异性的弱分类器,对这些具有较大差异性的弱分类器进行组合,从而较... 详细信息

提出采用考虑到精度/差异权衡的SVM作为弱分类器的一种新的组合分类诊断方法——DiverseAdaBoost-SVM。该方法通过在一组具有适当精度的弱分类器中进一步选择具有较大差异性的弱分类器,对这些具有较大差异性的弱分类器进行组合,从而较好解决AdaBoost算法中存在的精度/差异权衡的难题;同时该方法也较好地解决了现有的AdaBoost方法存在的弱分类器本身参数选取困难问题及训练轮数T的合理选取问题。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明和其他方法相比,DiverseAdaBoost-SVM方法具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类,也更适合对非对称故障样本集进行分类。

关键词：航空发动机故障诊断组合分类方法 AdaBoost算法精度/差异支持向量机

一种基于指数损失函数的多类分类AdaBoost算法及其应用

在线全文

学校读者我要写书评

暂无评论

航空学报 2008年第4期29卷 811-816页

作者：胡金海骆广琦李应红汪诚尉询凯空军工程大学工程学院陕西西安710038

提出一种新的多类分类AdaBoost算法——使用多类分类指数损失函数的前向逐步叠加模型FSAMME(forward stagewise additive modeling using a multi-class exponential loss function)。该算法是基于原始的两类分类AdaBoost算法归结为使用两类分类指数损失函数的前向逐步叠加模型的统计学观点,将两类分类的前向逐步叠加模型自然扩展到多类分类情况下得到的,并采用多类指数损失函数和前向逐步叠加模型对FSAMME进行了详细的理论证明。该算法大大降低对弱分类器的精度要求,只需每个弱分类器的精度比随机猜测好;算法简单明了,不用把多类问题转化为多个两类问题,而是直接求解多类分类问题,大大减小计算复杂度和计算量。通过对基准数据库的测试分类及航空发动机故障样本的诊断,结果表明:FSAMME算法一方面可达到较高的分类诊断准确率,其准确率明显高于AdaBoost.M1,略高于AdaBoost.MH;另一方面可大大减小计算成本,满足在线快速分类诊断的要求。

关键词：航空发动机故障诊断组合分类方法多类分类AdaBoost算法前项逐步叠加模型指数损失函数

在线全文

学校读者我要写书评

暂无评论

数据挖掘技术在客户获取策略中的应用

东北大学学报（自然科学版） 2003年第11期24卷 1112-1115页

作者：张喆常桂然黄小原东北大学工商管理学院辽宁沈阳110004 东北大学信息科学与工程学院辽宁沈阳110004

对于客户获取策略中客户反应行为模式分析,从数据挖掘技术的角度可以归结为分类问题·依据组合分类方法的思想,提出一种基于遗传算法的多重决策树组合分类方法来提高分类的准确性和精确度·该组合分类方法将以概率度量水平的多重决策树... 详细信息

对于客户获取策略中客户反应行为模式分析,从数据挖掘技术的角度可以归结为分类问题·依据组合分类方法的思想,提出一种基于遗传算法的多重决策树组合分类方法来提高分类的准确性和精确度·该组合分类方法将以概率度量水平的多重决策树进行并行组合,采用遗传算法优化连接权值矩阵·在仿真分析中采用二元反应行为模式的客户反馈仿真数据对该组合分类方法进行测试和评估·实验结果表明,在保持分类结果良好可解释性的基础上相比于单个决策树方法,该组合分类方法具有更高的分类精度,并优化了分类规则·

关键词：遗传算法多重决策树组合分类方法客户反应行为模式数据挖掘

Boosting基于EP的分类器提高分类准确率

在线全文

学校读者我要写书评

暂无评论

Boosting基于EP的分类器提高分类准确率

作者：任红伟郑州大学

学位级别：硕士

数据挖掘又称数据库中知识发现，是从大量数据中用非平凡的方法发现有用的知识。分类是数据挖掘中的一项非常重要的任务，在商业、金融、电讯、DNA分析、科学研究等诸多领域具有广泛的应用。统计学、机器学习、神经网络等领域的研究者... 详细信息

关键词：机器学习数据挖掘分类显露模式基本显露模式组合分类方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于EP的多分类器表决分类算法

基于EP的多分类器表决分类算法

作者：刘孟旭郑州大学

学位级别：硕士

数据挖掘又称数据库中知识发现，是从大量数据中用非平凡的方法发现有用的知识。分类是数据挖掘中的一项非常重要的任务，在商业、金融、电讯、DNA分析、科学研究等诸多领域具有广泛的应用。统计学、机器学习、神经网络等领域的研究者提出了很多分类方法，大部分算法是内存驻留算法，适用于小型数据集。随着数据集的数据量和维数的增加，建立高效的、适用于大型数据集的分类算法已成为数据挖掘的一项挑战性任务。基于显露模式（Emerging Pattern，EP）的分类方法是针对大型数据集的分类提出的，EP是G．Dong和J．Li提出的一种新的知识模式，这些模式能够捕获目标类和非目标类上多组属性之间的差异，具有很好的分类性能。第一个基于EP的分类算法是G．Dong等提出的CAEP算法，此后相继提出了JEP-Classifier、BCEP和DeEPs等一系列基于EP的分类算法。相关研究表明，基于EP的分类算法的平均分类准确率优于决策树等传统算法，显示了EP在分类方面的优越性。另一方面，提升（Boosting）与装袋（Bagging）以及其他基于委员会的方法能够显著改善某些算法的分类准确率。基于委员会的方法试图通过合并多个弱分类器建立一个有效的委员会来构造一个更加有效的分类器。以提升和装袋为代表的组合分类方法成为提高某些算法分类准确率的有效方法。但是，现有的组合分类方法研究主要使用决策树、神经网络以及贝叶斯方法作为基分类器，其他类型的分类算法还有待进一步研究。本文首次提出了建立基于EP的多分类器表决分类算法的思想。由于采用什么样的算法建立基分类器成为实现上述思想需要解决的首要问题，因此我们又提出了一个新的基于EP的分类算法作为基分类器的学习算法，即：基于基本显露模式的分类算法（Classification by Essential Emerging Patterns，CEEP）。以CEEP算法为基分类器学习算法，我们进一步提出采用自助方式建立多个并列的基分类器，通过投票表决的方式合并多个基分类器的组织策略，最终实现了本文提出的算法思想，得到一个融合了基于EP的分类算法和组合分类方法两者优势的新型的分类算法，即：基于EP的多分类器表决分类算法（Classification by Voting Classifiers based on Essential Emerging Patterns，CVCEEP）。 CEEP算法采用了一种基于模式树（P-树）的更快速有效算法挖掘eEP，改基于EP的多分类器表决分类算法进了己有的同时使用支持度和增长率EP的评分标准，提出以增长率为标准的评分策略，并且解决了参数的自适应选择等问题，实验表明CEEP算法具有很好的分类性能。因此，CEEP算法既是CVCEEP算法的一个重要组成部分，也是一个独立而完善的基于EP的分类算法。为了测试算法的分类性能，我们使用UCI机器学习库中的12个数据集作为实验数据集。并且将实验结果与NB、CS.O、CAEP、LB以及BCEP比较， CEEP 算法显示了很好的分类性能，而且CVCEEP算法的分类准确率和CEEP相比有显著提高。实验结果表明，本文算法的分类准确率可以与已知最好的分类算法相媲美。

关键词：机器学习数据挖掘分类显露模式基本显露模式组合分类方法

一种数据挖掘方法的实现及其在CRM中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种数据挖掘方法的实现及其在CRM中的应用

作者：宫亭吉林大学

学位级别：硕士

本文提出一种基于免疫克隆算法的多重决策树并行组合分类方法。并针对CRM销售管理模块中的客户忠诚度分析问题和客户获取问题采用此方法进行分析。开发出一个具有商务智能的CRM系统。在算法的选择上,本文比较了基于免疫克隆算法的多重... 详细信息

本文提出一种基于免疫克隆算法的多重决策树并行组合分类方法。并针对CRM销售管理模块中的客户忠诚度分析问题和客户获取问题采用此方法进行分析。开发出一个具有商务智能的CRM系统。在算法的选择上,本文比较了基于免疫克隆算法的多重决策树组合分类方法与基于遗传算法的多重决策树组合分类方法得到的分类规则结果,不难发现,前者在迭代次数和误差率上都明显小于基于遗传算法的多重决策树组合分类方法。所以本文采用了免疫克隆算法作为实现组合分类方法的算法。从中我们可以得出的结论是:从准确率和收敛速度两个方面比较,基于免疫克隆算法的多重决策树组合分类方法要优于基于遗传算法的多重决策树组合分类方法。从克服进化早熟和搜索陷于局部极小值方面,基于免疫克隆算法的多重决策树组合分类方法要好于基于遗传算法的多重决策树组合分类方法。

关键词：数据挖掘 CRM系统决策树免疫克隆算法组合分类方法