基于度量學習的分子子結(jié)構(gòu)預(yù)測研究.pdf

1、伴隨著科技的進步，質(zhì)譜儀的發(fā)明，大量有價值的化學信息數(shù)據(jù)被搜集，這些數(shù)據(jù)的獲得促進了化學結(jié)構(gòu)解析技術(shù)的進步，怎樣從這些數(shù)據(jù)集中挖掘出我們想要的信息，正在逐漸被人們重視。數(shù)據(jù)挖掘技術(shù)的成熟為人們指引了方向，而這里我們關(guān)注的是典型的分類問題。在化學數(shù)據(jù)中的樣本分類就是試圖從數(shù)據(jù)中提取有用的信息，然后根據(jù)他們的分子結(jié)構(gòu)或者化學指紋來對化合物或者藥物進行分類，依據(jù)質(zhì)譜數(shù)據(jù)鑒別化合物和識別化合物結(jié)構(gòu)一直以來都是化學計量中的一項重要的工作。

2、　　在這篇文章中，我們首先介紹了原始質(zhì)譜數(shù)據(jù)的特征表示。由于原始數(shù)據(jù)維數(shù)過大，容易過擬合且計算復(fù)雜度高，我們接著對數(shù)據(jù)做了處理。最終，我們呈現(xiàn)了一些在化合物質(zhì)譜數(shù)據(jù)的基礎(chǔ)上，基于度量學習的算法來計算其K-近鄰分類誤差，例如近鄰元分分析(Neighborhood Component Analysis，NCA)，大邊界最近鄰算法(Large Margin Nearest Neighbor Classifier, LMNN)，相關(guān)元分析(Re

3、levantComponent Analysis，RCA)，信息理論度量學習(Information-Theoretic MetricLearning，ITML)，最大限度衰竭度量學習(Maximally Collapsing Metric Learning，MCML)和判別分量分析算法(Discriminative Component Analysis，DCA)，以及非監(jiān)督距離度量學習算法，例如主元分析(Principal Compo

4、nent Analysis，PCA)，多維標度算法Multidimensional Scaling，MDS)以及非線性映射算法，如等距映射算法(Isometric Mapping，ISOMAP)。所有這些算法都被用于基于質(zhì)譜數(shù)據(jù)的化合物子結(jié)構(gòu)有無的預(yù)測，實驗表明針對質(zhì)譜數(shù)據(jù)的特征處理，度量學習算法可以取得一個較好的效果，后面我們?yōu)榱死^續(xù)驗證實驗結(jié)論，又將度量學習作為一種降維方法和其他經(jīng)典降維算法，如主元分析、流行學習等作了比較，結(jié)果也顯