论文部分内容阅读
核技巧是解决非线性问题的强力工具,基于核的学习理论与算法研究是机器学习领域的研究热点.本文主要针对核学习算法设计及其在高炉冶炼过程、蛋白质鉴定问题中的若干应用展开研究.核学习算法设计方面,设计了二进制编码支持向量机(Support Vector Ma-chines:SVM)算法,将N-分类问题转化为[log2N]个二分类子问题,相比于传统的one-against-one方法需要(?)(N2)个子分类器,one-against-all方法需要(?)(N)个子分类器,二进制编码SVM显著提高了子分类器的效率；将最小二乘支持向量机(Least Square SVM:LS-SVM)的多核学习(Multiple Kernel Learning:MKL)(?)问题转化为半定规划问题(Semidefinite Programming:SDP),在MKL统一框架下实现了对核系数和正则化参数的优化,进而推动了核和正则化参数的自动化选取,与SVM MKL相比LS-SVM MKL在保持精度的同时计算复杂度大大降低,UCI基准数据库上的数值试验验证了所设计LS-SVM MKL算法的有效性.高炉冶炼过程的炉温预测与趋势分类是本文研究的应用问题之一.本文以高炉炉内热状态的重要指标高炉铁水硅含量([Si])为研究对象,在光滑支持向量回归机(Smooth Support Vector Regression:SSVR)模型中引入滑动窗口(Sliding Windows:SW)机制建立了SW-SSVR模型,通过不断更新学习样本,能够及时追踪系统的变化,应用SW-SSVR模型对[Si]进行数值预报,数值试验表明,SW-SSVR模型有较高的预测成功率,较短的计算时间,适合在线应用；将[Si]趋势预报问题转化为一个4分类问题,即剧升、微升、微降、剧降,应用二进制编码SVM对国内两座高炉[Si]进行趋势预报,该模型使得高炉工长在控制高炉炉温方向的同时可以决定调控力度；使用MKL整合高炉冶炼过程中出现的异质数据提高了模型预测精度,应用MKL对高炉采集变量进行特征约简,增强了黑箱模型的可解释性.基于串联质谱(MS/MS)的多肽鉴定问题是本文研究的另一个应用问题.蛋白质组学是后基因组时代的前沿热点,而串联质谱、蛋白质芯片等高通量实验技术极大地推动了蛋白质组学的发展.通过串联质谱鉴定多肽序列进而鉴定蛋白质是当前蛋白质组学研究中常用的研究方法.由于蛋白质样品和生物实验的复杂性,质谱图富含噪声,数据库搜索得到的多肽匹配中存在大量阴性鉴定,目前已提出多种算法用来优化多肽鉴定,但仍不能完美地区分阳性和阴性多肽鉴定.鉴于此,本文应用基于MKL SVM的De-Noise算法将串联质谱数据多肽鉴定问题转化为特殊分类问题：正类样本点被严重污染并不可信,而负类样本点完全可信De-Noise算法首先依赖距离关系执行去噪处理,然后基于去噪后的样本集训练SVM分类器并执行2次精炼过程,最后整合多肽的酶切信息给出鉴定结果.在3个蛋白质数据集Yeast(LCQ质谱仪)、UPS1(LTQ质谱仪)、Ta108(Orbit质谱仪)的SEQUEST搜库结果中对比了De-Noise算法和PeptideProphet、Percolator的多肽鉴定结果,在给定期望假阳性率(False Discovery Rate:FDR)下De-Noise算法显著提高了多肽鉴定的灵敏度和特异性.