检索结果-南通市图书馆

作者：刘晓芳新疆大学

学位级别：硕士

近年来,随着各类数据搜集技术的不断提升,获取数据的路径更加多元,数据类型也趋于复杂.当数据拥有众多特征并且特征之间关系较为复杂时,构建可靠的参数模型略显困难,需放松对模型的各种假设条件,因而一类灵活且高效的机器学习算法被开... 详细信息

近年来,随着各类数据搜集技术的不断提升,获取数据的路径更加多元,数据类型也趋于复杂.当数据拥有众多特征并且特征之间关系较为复杂时,构建可靠的参数模型略显困难,需放松对模型的各种假设条件,因而一类灵活且高效的机器学习算法被开发应用,其中决策树算法可以说是最具代表性的非参数机器学习方法,该算法对于存在大量非线性关系和交互作用的数据有着很好的解释能力,并且计算复杂度较低.目前树的研究重点已经转向与统计模型的融合,一些学者在此基础衍生出许多改进算法,特别是近几年提出的一类基于树的变系数模型.空间区域中的要素一般不是匀质的,利用空间回归模型来挖掘研究区域内“位置”和“空间交互作用”等潜在信息的成本通常较高.从某种角度考虑,可认为某些空间个体之间的特征相似,进而将具有“同质性”的空间个体放在同一组内进行分析处理,因此一个自然的想法就是考虑在空间回归模型中嵌入树方法.所以本文在现有研究的基础上,建立了两种树结构空间变系数模型MSMOB(Spatially Model-Based Recursive Partitioning)和MTSVC(Tree-Based Spatially Varying Coefficient),并通过数值模拟实验对比考察这两种模型在分段常数空间变化效应情况下识别函数结构的准确性,以及在平滑空间变化效应情形下系数估计的精确性、预测性能和模型复杂度.模拟结果表明TSVC算法允许考虑混合情况,在探索潜在数据产生过程方面表现出更大的灵活性,并且在利用分段形式逼近连续函数方面也有令人满意的精度,这对于空间非平稳性的研究有着突出优势.由于空间数据包含空间相关性和空间异质性这两种基本属性,在统一框架内处理这两种性质对于准确刻画和描述空间关系有着重要意义.本文进一步将所建立的TSVC算法嵌入空间自回归模型中,提出树结构空间变系数自回归模型,以检测响应变量空间相关性的同时探索回归关系的空间异质性,并在给定分区结构后估计空间滞后参数与给定空间滞后参数来确定分区结构之间进行迭代,以获取相关参数估计.最后将该模型用于分析新疆伊犁地区降水量和温度对植被覆盖指数影响的空间变化特征.研究发现,植被覆盖度指数存在明显的空间相关性,并利用可视化树图可看出,不同观测区域的降水量和温度对植被覆盖度指数的影响及影响强度有显著不同,并且能够确定影响强度发生变化的具体位置,这使得该模型在实际问题中反映的信息更加全面.

关键词：空间变系数模型空间自回归模型递归分区树结构空间变系数模型树结构空间变系数自回归模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的DPP-Ⅳ抑制剂的虚拟筛选

基于机器学习的DPP-Ⅳ抑制剂的虚拟筛选

引用

中国化学会第30届学术年会-第二十五分会：化学信息学与化学计量学

作者：蔡婕刘志红李婵娟徐峻中山大学药学院药物分子设计研究中心

二肽基肽酶Ⅳ(DPP-Ⅳ)是2型糖尿病的热门治疗靶点之一,广泛分布于人体组织和器官。DPP-Ⅳ抑制剂通过抑制内源性肠促胰岛激素(GIP)的降解,提高胰高血糖素样肽(GLP-1)的浓度,从而起到降低血糖的作用。本文利用朴素贝叶斯(na(i|¨)ve Bayes... 详细信息

二肽基肽酶Ⅳ(DPP-Ⅳ)是2型糖尿病的热门治疗靶点之一,广泛分布于人体组织和器官。DPP-Ⅳ抑制剂通过抑制内源性肠促胰岛激素(GIP)的降解,提高胰高血糖素样肽(GLP-1)的浓度,从而起到降低血糖的作用。本文利用朴素贝叶斯(na(i|¨)ve Bayesian,NB)和递归分区(recursive partitioning,RP)这两种机器学习的方法,建立DPP-Ⅳ抑制剂的筛选模型,旨在发现具有新骨架的活性分子。我们收集了2683个结构多样的DPP-Ⅳ抑制剂,以筛选出的最优分子性质和结构指纹作为描述符,建立了182个预测模型。其中最佳模型的整体预测精度可达到90%以上。最后,我们又收集了一系列骨架未包含在训练集中的分子作为外部测试集,进一步确证所建立模型的预测能力。结果显示RP模型的稳健性略优于NB模型。此外,基于结构指纹ECFP的贝叶斯模型能产生DPP-Ⅳ抑制剂的优势片段,这些片段能用于设计DPP-Ⅳ抑制剂。

关键词：虚拟筛选 DPP-Ⅳ抑制剂朴素贝叶斯递归分区化学信息学

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

对舒马普坦治疗反应的预测:舒马普坦和那拉曲坦集合患者数据库

引用

世界核心医学期刊文摘（神经病学分册） 2005年第1期1卷 54-54页

作者： Christoph-Diener H. Ferrari M. Mansbach H. 高方 Dept. of Neurology University of Essen Hufelandstr. 55 45147 Essen Germany Dr.

Objective: The efficacy and tolerability profiles of sumatriptan and other 5HT1B/1D agonists (triptans) have been well established. However, the determinants for optimal response to sumatriptan are unknown. The Sumatriptan Naratriptan Aggregate Patient (SNAP) database contains data from 128 clinical trials including 28,407 migraine sufferers treating over 130,000 attacks. The authors analyzed these data to identify factors predicting response (headache relief and pain free response) to sumatriptan. Methods: The authors assessed 24 possible univariate predictors of headache response in 3,706 patients (18 years and older) receiving sumatriptan tablets 100 mg or placebo in a double blind study using recursive partitioning and logistic regression techniques. Results: The authors found seven predictors of headache relief 2 hours postdose. Moderate pain at baseline was the strongest predictor (adjusted p = 3.32× 10- 18), followed by absence of a disability requiring bedrest (adjusted p = 3.11 × 10- 18). Other predictors included absence at baseline of vomiting, pulsating pain, nausea, or photophobia/ phonophobia, and onset of headache during daytime hours. Logistic regression confirmed that treatment with sumatriptan was the strongest predictor of headache relief, with significant baseline covariates being pain severity, level of disability, and presence or absence of vomiting. A similar pattern of results was reported for predictors of pain free response 2 hours after taking sumatriptan. Conclusions: Pretreatment pain seve rity is themost important predicting factor for response to sumatriptan in migraine attacks: the lower baseline severity, the better.

关键词：舒马普坦拉曲递归分区受体激动剂临床试验偏头痛患者痛反应色胺基线水平双盲试验

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：