关键词： 蛋白质组学   定位预测   亚线粒体   预测算法   线粒体蛋白质   机器学习方法   生命科学   位置信息  

摘要： 蛋白质亚线粒体定位预测是生命科学领域中蛋白质组学研究的重要内容，也是当前研究的热点，获得蛋白质的亚线粒体定位位置信息对进一步了解线粒体蛋白质的功能是非常必要的，急需更优秀的预测方法结合其他机器学习方法的基础上，提出更加合理的蛋白质亚线粒体定位理论预测算法。

关键词： 周期蛋白依赖性激酶4   机器学习方法   抑制剂   随机森林  

摘要： 最近的研究已经证实,以周期蛋白依赖性激酶4(cyclin-dependent kinase 4,CDK4)为靶点,通过CDK4的抑制剂重新建立细胞周期的调控在肿瘤靶向治疗的发展中已经成为有吸引力的方向。本文测试了三种机器学习方法,k最近邻、C4.5决策树和随机森林(random forest,RF),用于预测CDK4的抑制剂。所建这些模型都达到了令人满意的预测效果。其中,RF模型当参数Mtry=13、jbt=255时对应的总预测精度最大,为96.65%。同时,与CDK4抑制剂最相关的25个分子描述符也被最优的RF模型挑选了出来。本文的研究表明,机器学习方法特别是RF方法,对于发现潜在的CDK4抑制剂十分有效。

关键词： 机器学习   预测   臭氧浓度  

摘要： 臭氧(O_3)浓度变化与天然源、移动源和点源的排放量存在某些隐含的关联。根据臭氧浓度变化的特性,基于污染源在线排放数据、气象监测数据以及空气质量监测数据构造特征,运用机器学习方法进行逐小时臭氧浓度预测。该方法不仅充分利用了臭氧浓度变化时序数据,而且考虑了气象条件变化对污染物浓度变化的影响,最重要的是将点源排放氮氧化物这一臭氧生成的重要前体物纳入模型考虑。在金砖国家领导人厦门会晤前后(2017年8月31日至9月9日),运用该方法对厦门市溪东、洪文、鼓浪屿和湖里中学四个大气自动监测站的臭氧小时浓度平均值进行滚动预报,比较准确地模拟出臭氧浓度的日周期性变化,同时对峰值和低谷能够进行较为有效的捕捉和刻画。按照《环境空气质量标准》(GB3095—2012)臭氧日最大八小时浓度平均值进行评价,四个站点均取得了90%的预报等级准确率。

关键词： 神经网络   支持向量机   XGBoost   高频数据  

摘要： 机器学习在人工智能领域取得了巨大的成就,在学界和业界都掀起了机器学习的热潮.针对股指期货交易速度快、交易频率高和交易量巨大且交易数据具有高纬、时序的特征,构建了新的股指期货量化投资模型,采用沪深300股指期货1分钟高频数据作为研究对象.并对比分析了神经网络、支持向量机和XGBoost对股指期货下1分钟价格的变动方向的预测能力.研究结果表明,三种机器学习方法都具有较好的预测能力,但XGBoost的预测能力要优于传统的神经网络和支持向量机.

关键词： 面向大数据   网络舆情   多维动态分类   预测模型  

摘要： 当前,中国互联网发展迅猛,个性化、交互式的网络媒体使网络舆情的在线参与人数不断增长,微博、推特以及其他在线网络媒体平台逐渐成为公众主要的交流平台,网络应用重心、应用范围、应用主体随之发生转变,网络已成为反映民情、表达民意、公众参与社会生活的重要渠道,成为影响社会热点问题的主要因素,网络民主化将成为必然趋势.基于此,本文主要对面向大数据的网络舆情多维动态分类与预测模型进行分析探讨.

摘要： An introduction is presented in which the editor discusses articles in the issue on topics including machine learning, neural networks and cellular automata.

关键词： Predictive modeling   Spatial modeling   Time series   Tree-based methods   Uncertainty quantification   Urban water use  

摘要： Forecasts of water use are crucial to efficiently manage water utilities to meet growing demand in urban areas. Improved household-level forecasts may be useful to water managers in order to accurately identify, and potentially target for management and conservation, low-efficiency homes and relative high-demand customers. Advanced machine learning (ML) techniques are available for feature-based predictions, but many of these methods ignore multiscale spatiotemporal associations that may improve prediction accuracy. We use a large dataset collected by Tampa Bay Water, a regional water wholesaler in southwest Florida, to evaluate an array of spatiotemporal statistical models and ML algorithms using out-of-sample prediction accuracy and uncertainty quantification to find the best tools for forecasting household-level monthly water demand. Time series models appear to provide the best short-term forecasts, indicating that the temporal dynamics of water use are more important for prediction than any exogenous features. (c) 2018 Elsevier Ltd. All rights reserved.

关键词： Data Mining   Machine Learning   Microvascular Complications   Risk Predictions   Type 2 Diabetes  

摘要： One of the areas where Artificial Intelligence is having more impact is machine learning, which develops algorithms able to learn patterns and decision rules from data. Machine learning algorithms have been embedded into data mining pipelines, which can combine them with classical statistical strategies, to extract knowledge from data. Within the EU-funded MOSAIC project, a data mining pipeline has been used to derive a set of predictive models of type 2 diabetes mellitus (T2DM) complications based on electronic health record data of nearly one thousand patients. Such pipeline comprises clinical center profiling, predictive model targeting, predictive model construction and model validation. After having dealt with missing data by means of random forest (RF) and having applied suitable strategies to handle class imbalance, we have used Logistic Regression with stepwise feature selection to predict the onset of retinopathy, neuropathy, or nephropathy, at different time scenarios, at 3, 5, and 7 years from the first visit at the Hospital Center for Diabetes (not from the diagnosis). Considered variables are gender, age, time from diagnosis, body mass index (BMI), glycated hemoglobin (HbA1c), hypertension, and smoking habit. Final models, tailored in accordance with the complications, provided an accuracy up to 0.838. Different variables were selected for each complication and time scenario, leading to specialized models easy to translate to the clinical practice. © 2017, © 2017 Diabetes Technology Society.

关键词： 机器学习   基因交互   全基因组关联分析   单核苷酸多态性   上位性  

摘要： 复杂疾病是基因与基因、基因与环境交互作用的结果,高维基因交互作用的探测给计算带来了极大的挑战。在过去20年间,机器学习方法被用于探测基因-基因交互作用,并取得了一定的效果。本文综述了机器学习方法在基因交互作用探测中的研究进展,系统地介绍了神经网络(neural networks,NN)、随机森林(random forest,RF)、支持向量机(support vector machines,SVM)和多因子降维法(multifactor dimensionality reduction,MDR)等机器学习方法在全基因组关联研究(genome wide association study,GWAS)中探测基因交互作用的原理和局限性,并对未来的研究进行了展望。

关键词： GEP   逻辑回归   地质异常   分类预测   化探数据  

摘要： 高效精准的识别地质异常对成矿预测至关重要。本文将GEP引入到逻辑回归方法中,并对传统单一模型进行改进,克服了单一模型的局限性和缺点。将模型应用于东天山地区的化探数据处理,对斑岩型-矽卡岩型成矿具有指示意义的元素进行了识别应用,结果表明:GEP-逻辑回归法在识别异常信息方面效果良好;与单一模型(神经网络、Knn、逻辑回归)验算结果对比,GEP-逻辑回归法表现更优。