序列數(shù)據(jù)多分類問題的研究與實現(xiàn).pdf

1、模式分類是機器學習領(lǐng)域重要的研究內(nèi)容,也是計算機應用領(lǐng)域中普遍存在的問題。支持向量機作為經(jīng)典的模式分類算法,基于VC維理論和結(jié)構(gòu)風險最小化原理,克服了傳統(tǒng)機器學習分類算法很多缺陷,目前,已表現(xiàn)出很多優(yōu)于已有方法的性能。傳統(tǒng)的支持向量機用于解決實值型數(shù)據(jù)的二分類問題已表現(xiàn)得很成熟,隨著信息產(chǎn)業(yè)的發(fā)展和互聯(lián)網(wǎng)技術(shù)的進步,出現(xiàn)了大量的序列數(shù)據(jù),分類問題也更多地以多分類的形式出現(xiàn),面向序列數(shù)據(jù)的多分類問題逐漸引起研究者的重視,成為機器學習領(lǐng)域新

2、的研究熱點之一。
　　本文以序列數(shù)據(jù)多分類問題為研究目標,分析了當前基于核方法和統(tǒng)計學習理論的分類算法,立足于多任務學習理論,提出了一個新的基于多數(shù)據(jù)域描述模型用來解決多分類問題,并將其用于轉(zhuǎn)錄因子結(jié)合位點識別和用戶瀏覽網(wǎng)頁行為序列挖掘。論文的主要內(nèi)容包括以下幾個方面:
　　1.對本文采用的背景知識進行了簡單介紹。主要包括統(tǒng)計學習理論,核方法,以及序列數(shù)據(jù)分類問題的基本思想和研究現(xiàn)狀。討論了序列數(shù)據(jù)分類的若干關(guān)鍵問題,給出序

3、列數(shù)據(jù)的形式化定義。
　　2.建立了一個用于多分類問題的多數(shù)據(jù)域描述模型,并用于解決轉(zhuǎn)錄因子結(jié)合位點識別和用戶瀏覽網(wǎng)頁行為序列分類問題。相比先前基于O-1編碼的多項式核,采用新的字符串核能較好地度量序列之間的相似度。從算法的時間代價考慮,給出相應的并行算法以提高運算效率。
　　3.設(shè)計并實現(xiàn)了轉(zhuǎn)錄調(diào)控挖掘系統(tǒng)ITREP,其中包括轉(zhuǎn)錄因子結(jié)合位點瀏覽與挖掘平臺。該平臺提供轉(zhuǎn)錄因子結(jié)合位點在線瀏覽服務,實現(xiàn)了轉(zhuǎn)錄因子結(jié)合位點識別