機(jī)器學(xué)習(xí)算法在基因功能預(yù)測(cè)和橡膠混煉控制中的應(yīng)用.pdf

1、機(jī)器學(xué)習(xí)算法在生物識(shí)別，化工控制等領(lǐng)域都有著廣泛應(yīng)用。本文提出了新的基于偏最小二乘的改進(jìn)算法，可以較好的解決生物識(shí)別和化工控制領(lǐng)域的3個(gè)具體問題：原核生物短編碼序列識(shí)別，人類snoRNA識(shí)別，以及橡膠硬度在線測(cè)量。
　　在原核生物短編碼序列識(shí)別問題上，大多數(shù)方法在探測(cè)短基因序列上還沒有達(dá)到理想的效果。因?yàn)槎叹幋a序列長(zhǎng)度較短，其所含的生物信息有限，所以普通的方法難以準(zhǔn)確的區(qū)分編碼和非編碼序列。本文提出了一種新的迭代適應(yīng)性稀疏偏最小二

2、乘算法作為分類器，來研究原核短基因的識(shí)別，以提高其識(shí)別精度。與傳統(tǒng)的基因識(shí)別方法，如GeneMarkS, Metagene, Orphelia和Heuristic Approachs等方法相比，本文提出的方法取得更高的識(shí)別精度。實(shí)驗(yàn)結(jié)果也證實(shí)本文的算法相對(duì)于傳統(tǒng)的分類器，如Logistic, RF(隨機(jī)森林)和KNN（最近鄰法），在預(yù)測(cè)精度方面也有著明顯的提高，至少提高了5.90％。
　　SnoRNA(small nucleola

3、r RNA)在真核生物中普遍存在，在本文中，我們提出了一種快速友好的方法來加快人類 snoRNAs的識(shí)別。在算法上，我們集合彈性網(wǎng)絡(luò)和稀疏偏最小二乘算法的優(yōu)勢(shì)，提出了ESDA算法。通過與其他算法的對(duì)比，可以確認(rèn) ESDA的有效性。相比于SnoReport，本文提出的方法不僅精度提高，而且簡(jiǎn)潔性和計(jì)算速度上均有優(yōu)勢(shì)。此外，我們將ESDA和其他一些著名的分類器如RF(隨機(jī)森林)，DWD(距離加權(quán)分類)，SVM(支持向量機(jī))進(jìn)行對(duì)比，預(yù)測(cè)準(zhǔn)確