數(shù)據(jù)挖掘中的分類方法及其在質譜數(shù)據(jù)中的應用.pdf

1、數(shù)據(jù)挖掘在化學中的一個重要的應用是從數(shù)據(jù)庫中提取有用的信息.質譜儀是一種用來對化合物進行鑒別和特征化的儀器技術，它產生了大量的有助于化學結構解析的數(shù)據(jù)。根據(jù)質譜鑒別化合物和識別化學結構性質一直都是化學計量學中一項重要的工作。本文首先對多元統(tǒng)計分析，人工智能和現(xiàn)代數(shù)據(jù)挖掘中的各種分類方法進行了深入的討論，其中一些方法已被用于基于質譜數(shù)據(jù)的化學結構和性質的智能識別。但是，仍然有很多的化學結構或子結構不能被現(xiàn)有分類器有效的識別。從而尋找更好更

2、適合質譜數(shù)據(jù)的方法仍然是化學計量學中一個重要的工作?！　”疚奶岢隽藢⒎诸悩浜湍媲衅貧w法(SIR)結合的新方法，并將這種方法用于質譜數(shù)據(jù)的分類問題。分類樹是數(shù)據(jù)挖掘中最常用的一種分類工具，它在自動選擇變量和體現(xiàn)交互作用方面具有強大的功能。分類樹已經被廣泛的用于質譜數(shù)據(jù)的分類。但如果輸入變量是以某種線性組合的方式起作用，決策樹往往會因為無法體現(xiàn)這種方式導致模型的復雜化和準確性的降低。逆切片回歸法正是一種在高維數(shù)據(jù)中找出有用的變量的線性組

3、合來回歸響應變量的方法。所以有效的結合這兩種方法可以繼承它們的優(yōu)點，使樹結構也可體現(xiàn)變量間的線性組合關系。　　助推法(boosting)是近代分類方法中的一個重要發(fā)展，它已經被成功的用于很多領域，但是在化學計量學中，幾乎沒有任何的應用。在這篇論文里，我們將神經網絡助推法和分類樹助推法用于化學數(shù)據(jù)的分類。實　　最后，我們根據(jù)貝葉斯最優(yōu)決策律提出了一種推廣的助推法(G-boosting)。助推法主要由兩步構成，首先，通過順序地訓練具有不