一種高效集成分類(lèi)器及其在蛋白質(zhì)折疊識(shí)別中的應(yīng)用研究.pdf

1、蛋白質(zhì)的三維結(jié)構(gòu)決定其生物功能,同種折疊模式的蛋白質(zhì)功能相似。自然界中的蛋白質(zhì)結(jié)構(gòu)約十萬(wàn)種而折疊模式的總數(shù)還不到一千。因此，蛋白質(zhì)折疊研究不僅具有很重要的生物學(xué)意義，而且能大大降低蛋白質(zhì)結(jié)構(gòu)研究的復(fù)雜度。
　　 蛋白質(zhì)折疊預(yù)測(cè)大致分為基于模版的方法和基于分類(lèi)的方法兩大類(lèi)。盡管在序列相似度較高時(shí)基于模版的方法能取得較好的效果，但隨著序列相似度降低，其預(yù)測(cè)的敏感性和可信性都大幅度下降。基于分類(lèi)的方法不依靠相似度，在序列相似度不顯著時(shí)

2、能有效預(yù)測(cè)蛋白質(zhì)折疊類(lèi)型。目前，已有大量的集成分類(lèi)器用于蛋白質(zhì)折疊識(shí)別。高效的集成分類(lèi)器主要依賴基本分類(lèi)器的效率和集成加權(quán)機(jī)制的合理選取。ET-KNN作為一種簡(jiǎn)單有效的分類(lèi)器在多分類(lèi)問(wèn)題中得到了廣泛的應(yīng)用。其有效性依賴于內(nèi)部參數(shù)的選擇，雖然很多方法通過(guò)優(yōu)化參數(shù)提高了分類(lèi)性能，但參數(shù)都遠(yuǎn)沒(méi)達(dá)到全局最優(yōu)。已有的集成加權(quán)策略由于沒(méi)有從整體性能來(lái)確定基本分類(lèi)器的權(quán)值，各個(gè)基本分類(lèi)器的作用得不到充分發(fā)揮，導(dǎo)致集成分類(lèi)器的分類(lèi)精度不高。
　　

3、 針對(duì)以上問(wèn)題，本文提出了一種高效的集成分類(lèi)器(GAOEC)。首先，通過(guò)遺傳算法全局優(yōu)化ET-KNN中的參數(shù)向量，提出了一種優(yōu)化的分類(lèi)器—GAET-KNN。其次，集成分類(lèi)器采用雙層GAET-KNN的學(xué)習(xí)結(jié)構(gòu)，第一層分類(lèi)器的類(lèi)別空間為所有的類(lèi)標(biāo)識(shí)，第二層分類(lèi)器的類(lèi)別空間為第一層分類(lèi)器得到的陽(yáng)性類(lèi)標(biāo)識(shí)。通過(guò)雙層的學(xué)習(xí)結(jié)構(gòu)，合理“減少了”類(lèi)別的數(shù)量，便于決策。最后，基于加權(quán)集成和平均集成的思想，提出了兩種集成策略━全局最優(yōu)加權(quán)策略和選擇平均