关键词： 生物信息学   基因位点   机器学习   模式识别   信息结构   特征提取  

摘要： 生物信息学已经成为整个生物学发展的重要组成部分，用数理和信息理论与技术去分析生物信息，开展生物信息学研究将极大地推动生命科学的进步。随着各种生物数据的快速增加，如何处理生物数据并从这些数据中获得有用的信息，已经成为模式识别和生物信息学研究中非常重要的研究课题之一，真核生物基因的位点识别是生物信息学研究的重要环节。研究基因位点的识别有助于基因组信息结构分析，基因识别及功能预测。利用统计分析、模式识别等方法对基因组进行信息结构分析和特征提取，可以为基因识别和功能研究提供依据。本文利用模式识别方法和计算机技术相结合，对真核生物基因特别是人类基因供体位点和受体位点序列特征及其位点识别问题进行了尝试性的研究，取得了如下主要研究成果：\n (1)收集生物数据并对数据进行预处理。包括4个真实位点数据集和2个虚假位点数据集，对这些数据做了相应的统计分析，得到了一些对基因位点识别有用的统计特征。\n (2)通过将位点附近5个碱基共同考虑，推广了短序列模式识别方法，并将推广的方法应用在供体位点识别上，很大程度上提高了判定虚假位点数据的能力，从而得到了供体位点较好的识别结果。应用在受体位点识别中，对提高受体位点的识别率同样起到了一定的作用。\n (3)推广权重矩阵理论为概率回溯法，将权重矩阵和模拟退火相结合，对受体位点的识别率有较好结果。将推广的短序列模式、权重矩阵和模拟退火相结合，对供体位点进行识别，得到了较好的识别结果。\n (4)将矩阵空间法应用在位点识别问题中。视序列为四维空间中的链，定义了链之间的距离，确定了链截取的长度。这是一种具有明显数学意义的方法。试验中用支持向量机处理矩阵空间法和局部特征法所提取的特征，对受体位点的识别取得了较好结果。

关键词： 机器学习方法   文本分析   文本表示   文本分类   文本聚类  

摘要： 信息的膨胀使得人们获取信息的渠道越来越宽,量也越来越大。但由于信息量的迅速增加,给人们获取有用知识带来了“噪声”,对“减噪”的研究也成为数据挖掘的研究热点。机器学习方法是数据挖掘的一种重要方法,它将计算机科学和人工智能科学结合在一起,本文从文本分析的角度来探讨机器学习方法,论述了在文本表示、文本信息抽取、分类聚类领域的应用。

关键词： machine learning method   neural network   support vector machine   protein function prediction   protein-protein interaction   peptide prediction  

摘要： Various computational methods have been used for predicting protein function from clues contained in protein sequence. A particular challenge is the functional prediction of proteins that show low or no sequence similarity to proteins of known function. Recently, machine learning methods have been explored for predicting functional class of proteins from a variety of sequence-derived structural and physicochemical properties independent of sequence similarity, which showed promising potential for a broad spectrum of proteins including those that show low and no similarity to other proteins. These methods can thus be explored as potential tools to complement similarity-based, clustering-based and structure-based methods for predicting protein function. This article reviews the strategies, algorithms, current progresses, available software and web-servers, and underlying difficulties in using machine learning methods for predicting the functional class of proteins and peptides, and protein-protein interactions. The reported prediction performances in the application of these methods are also presented.

关键词： 机器学习   人工智能   数据挖掘  

摘要： 随着信息化的普及和数据库的大量建立,如何从数据中提炼出有用的信息已成为亟待解决的问题。机器学习是人工智能研究的核心问题,文章阐述了机器学习的概念、发展和分类及其应用,提出了机器学习的研究目标,指出了机器学习的发展趋势。

关键词： spam filtering   machine learning  

摘要： The increasing volumes of unsolicited bulk e-mail (also known as spam) are bringing more annoyance for most Internet users. Using a classifier based on a specific machine-learning technique to automatically filter out spam e-mail has drawn many researchers' attention. This paper is a comparative study the performance of three commonly used machine learning methods in spam filtering. On the other hand, we try to integrate two spam filtering methods to obtain better performance. A set of systematic experiments has been conducted with these methods which are applied to different parts of an e-mail. Experiments show that using the header only can achieve satisfactory performance, and the idea of integrating disparate methods is a promising way to fight spam. (c) 2006 Elsevier B.V. All rights reserved.

关键词： 蛋白酶抑制剂   分子描述符   机器学习方法   变量筛选  

摘要： 为了预测人体免疫缺陷蛋白酶抑制剂的活性,计算了表征分子的组成和拓扑特征的462个分子描述符,用Kennard-Stone方法和随机方法进行了训练集和测试集设计,用Monte Carlo模拟退火方法进行变量筛选,并分别用神经网络,逻辑回归,k-近邻和支持向量学习机方法建立了HIV-1蛋白酶的抑制剂模型.结果表明支持向量学习机优于其余机器学习方法,用SVM方法所建立的最优模型的最后预测正确率达到98.24%.

关键词： 蛋白质相互作用   结构域-配体相互作用预测   机器学习   神经网络   筛选数据库   多肽鉴定   色谱保留时间   多肽经验保留时间数据库   假阴性率  

摘要： 很大一部分的蛋白质相互作用是通过多肽结合型的结构域来介导的,这种结构域包括SH2,SH3,PDZ和MHC等等。然而用实验的方法筛选这些结构域结合的配体费时费力,而且,由于高丰度配体的抑制作用,实验方法很难筛选到低丰度的配体。一种理想的研究蛋白质相互作用的方法就是通过计算机高通量的筛选蛋白质序列数据库,然后再用实验的手段验证计算机预测出来的最可能的相互作用。目前的预测系统通常都在有限样本的交叉验证中表现良好,但这并不能保证他们在实际的数据库筛选中仍有好的表现。本文采用了三种新型的蛋白质序列编码方式,使用机器学习的方法建立了一个整合的预测系统,筛选了Swi ssprot和Genbank蛋白数据库来预测10个SH3和3个PDZ结构域的配体。预测结果中的部分配体蛋白已经被其他研究者的实验证实为阳性,这说明该系统具有良好的预测能力,它的预测结果对后续的验证实验具有一定的指导意义。 在应用二级质谱图鉴定多肽时,为了降低鉴定的假阳性率,通常会提高检索软件的阈值设定,这种行为导致了多肽鉴定的假阴性率的提高,大大降低了蛋白质组研究的效率。本文构建了经验的多肽保留时间数据库(Empirical Peptide RetentionTime,EPRT),在二级质谱鉴定中引入了保留时间作为新的参数。在新的实验中,谱图质量低于一定标准的的多肽鉴定,其保留时间还要和它们在EPRT数据库中的经验保留时间相比较,来进一步决定它们是否为阳性鉴定。在18个标准蛋白混合物和尿蛋白质组的实验中,应用保留时间辅助,使鉴定的阳性谱图数增长了15%-60%,阳性多肽数增长了8%-18%。不考虑谱图的质量,仅使用保留时间新鉴定出的谱图的假阳性率为3.7%;如果加上最低的Xcorr阈值来控制谱图质量,则假阳性率降低为0.18%。这种方法可以鉴定出一些不合标准的低丰度多肽的谱图。另外,EPRT数据库也增加了多肽鉴定的可信度,这对那些仅由一张二级质谱图鉴定出的多肽来讲尤其重要。随着更多的多肽的经验保留时间被收集到EPRT数据库中,质谱鉴定的效率会进一步提高。该方法可应用在任何标准的、可重复的分离系统中。

关键词： 脑—机接口   脑电   空间滤波   机器学习   支持向量机  

摘要： 脑—机接口(Brain-computer interfaces，BCI)是在人脑与电子设备，例如计算机之间建立新型的直接交流通道，通过这种通道，人就可以通过大脑产生的信号来表达想法以便转换成为控制命令。因此这为瘫痪的病人提供了一种新的交流与控制方式，并将极大地增强患者控制外部环境的能力和提高他们的生活质量。脑—机接口技术是一种涉及神经科学、信号检测、信号处理、模式识别、控制理论等多学科的交叉技术。本文对脑—机接口技术中涉及的一些神经电生理现象进行了分析，并对其中信息技术部分所采用的机器学习方法进行了较为详细地应用研究以改进脑—机接口系统的性能。在此我们主要研究了以下三个方面的内容： (1)本论文首先基于支持向量机(support vector machines，SVM)提出了一种判别框架用于进行左右手运动想象任务的单次在线分类。其中，脑电信号中的时频信息采用Morlet小波函数从两个频段(μ和β节律)提取，然后采用基于支持向量机框架的方法进行判别信息的累积以便于预测使用者的意动方向。该方法有效地改善了单次在线分类的准确率和稳定性。(2)其次，在对手指运动的神经电生理活动分析的基础上，本论文发展了一种判别空间模式(discriminative spatial patterns，DSP)方法用于运动相关电位的提取，同时与共空间模式(common spatial patterns，CSP)方法一起用于左右手指自发运动任务时脑电信号特征的提取。结果表明组合的空间滤波方法能够有效地改善该任务下的分类效果。(3)最后，发展了一种基于直推式支持向量机(transductive support vector machines，TSVM)算法的学习方法用于脑—机接口的小训练集情况下分类，以减少使用者的训练时间。其中直推式支持向量机的优点在于可将无标签的数据加入到分类器的设计和训练过程中。在思维想象任务中的分类结果表明，该方法可以在保持分类准确率变化不大的情况下有效地减少训练集。

关键词： 机器学习   AFS模糊逻辑   层流冷却   案例推理   模糊规则提取  

摘要： 热轧带钢层流冷却过程是通过层流冷却装置将带钢按照工艺要求从终轧温度冷却到相变后的卷取温度，最终获得性能良好的热轧带钢产品。由于热轧带钢层流冷却过程具有强非线性、参数时变、工况变化频繁、以及冷却带钢的温度不能连续检测等综合复杂特性，给其过程建模与控制带来了很大的难度。在实际生产中，层流冷却过程控制对于提高产品质量和热轧冷却设备的安全可靠运行都具有重要的意义。 本文以国家重点基础研究发展计划973课题“复杂工业生产过程实时智能控制理论与算法研究”(2002CB312201)的子课题“基于数据的模糊规则提取方法及其应用研究”(2002CB312201-06)为背景，在AFS(Axiomatic Fuzzy Set)模糊逻辑系统框架内，借鉴经典机器学习算法，针对热轧带钢层流冷却过程中优化部分与建模部分的补偿控制器设计中存在的问题之一—PI参数的整定进行了深入的研究。 本文的具体内容如下： (1)第一章第一节介绍了所研究问题的实际工业背景，简述了热轧带钢层流冷却的含义和作用及热轧带钢层流冷却技术的研究现状和发展趋势；并详细介绍了本文中所研究的前馈和反馈补偿控制器的结构及其作用；第一章第二节介绍了机器学习及案例推理技术的发展现状及其应用研究状况。第二章介绍了AFS理论的基本思想和相关定义。 (2)第三章把AFS模糊逻辑和案例推理技术结合起来，提出了一种模糊案例推理算法，并把该算法运用到热轧带钢层流冷却过程优化部分的前馈和反馈补偿控制器的PI参数整定问题中，并利用实际工业过程中测得的优化部分输入输出数据对算法进行了实现。 (3)第四章中对第三章的模糊案例推理算法进行了改进，利用模糊聚类分析、属性格贴近度、逆向提取模糊规则、模糊规则简化等方法，提出了一种新的基于输入输出数据的模糊规则提取算法，并将该算法运用到热轧带钢层流冷却过程建模部分的反馈补偿控制器的P参数整定中，并利用实测的工业控制过程中的两组输入输出数据对该算法进行了实现。第五章介绍了东北大学自动化中心的层流冷却过程优化设定控制仿真实验平台，在加入反馈补偿控制器后的仿真实验结果：降低了带钢热轧时的卷曲温差，提高了控制效果。

关键词： categorization algorithms   liquid-crystalline behavior   neural networks  

摘要： This article presents new methods of predicting the liquid-crystalline behavior of some copolyethers with mesogen groups in the main chain, using neural networks or different categorization algorithms. The prediction of properties is correlated with chemical structure, type and copolymer composition, molecular weight, and a series of structural characteristics estimated by mechanical molecular simulation. The importance of a suitable choice for the parameters that characterize the structure and the behavior of the copolyethers is emphasized, as well as the codification of the input and output variables of the algorithms. The procedures are simple and provide accurate results, especially neural-network-based techniques.