不均衡數(shù)據(jù)集的研究及其在蛋白質(zhì)相互作用位點預(yù)測中的應(yīng)用.pdf

1、在生產(chǎn)與生活中經(jīng)常出現(xiàn)不均衡數(shù)據(jù)集問題，尤其在許多實際的應(yīng)用領(lǐng)域更多見，例如詐騙信用卡的檢測、信息檢索、網(wǎng)絡(luò)入侵檢測、醫(yī)療診斷、文本分類及生物信息檢測等，其中更為重要的是少數(shù)類樣本的預(yù)測。傳統(tǒng)分類算法一般對均衡數(shù)據(jù)集具有較好的分類效果，其評價標(biāo)準(zhǔn)主要是基于精度的，而在不平衡數(shù)據(jù)集上分類效果不好，經(jīng)常把少數(shù)類樣本誤分為大類，不能達(dá)到分類的目的。然而在不平衡數(shù)據(jù)集中，數(shù)量較小的少數(shù)類的識別率往往具有更大的意義。在不平衡數(shù)據(jù)集中，小類樣本的分

2、布比較松散，而且大量大類樣本經(jīng)常包圍小類樣本，這是小類樣本的的學(xué)習(xí)面臨的重大挑戰(zhàn)之一。所以在不均衡數(shù)據(jù)集的分類問題的研究上，迫切需要新的分類方法和判別準(zhǔn)則的出現(xiàn)。由于不平衡數(shù)據(jù)集在實際應(yīng)用中經(jīng)常碰到，它對傳統(tǒng)的分類方法構(gòu)成了巨大的挑戰(zhàn)，如何有效地處理不平衡數(shù)據(jù)集引起了人們的關(guān)注。不均衡數(shù)據(jù)集分類也成了機器學(xué)習(xí)領(lǐng)域和數(shù)據(jù)挖掘的又一新的研究熱點，同時也引起了模式識別、數(shù)據(jù)挖掘方面專家的研究興趣。近年來，在ACM、IEEE、機器學(xué)習(xí)、模式識別

3、及數(shù)據(jù)挖掘等一些相關(guān)的學(xué)術(shù)會議上，都有關(guān)于不均衡數(shù)據(jù)集的相關(guān)專題討論。
　　 針對下抽樣的方法的不足，本文提出了一種基于K-means聚類的改進(jìn)算法。為了保證整體性能的同時來提高小類樣本的分類的準(zhǔn)確率，并盡量防止含有重要信息的大類樣本的丟失，我們采用了選擇性抽樣和隨機抽樣技術(shù)相結(jié)合方法對大類樣本進(jìn)行抽樣，提出了一種基于K-means聚類的下抽樣的方法，通過在UCI數(shù)據(jù)集上的實驗驗證其有效性。并將其應(yīng)用于蛋白質(zhì)相互作用位點的預(yù)測，

4、有效的解決了蛋白質(zhì)相互作用預(yù)測中存在的樣本類別不均衡的問題，從而提高了蛋白質(zhì)相互作用位點的識別率。
　　 總的來說，本文的主要研究內(nèi)容如下：
　　 1．概述了不均衡數(shù)據(jù)集研究和集成學(xué)習(xí)研究的現(xiàn)狀、目的與意義。主要簡述了不均衡數(shù)據(jù)集分類面臨的問題及解決策略、集成學(xué)習(xí)的實現(xiàn)方法及應(yīng)用成果。
　　 2．為了保證整體性能的同時來提高小類樣本分類的準(zhǔn)確率，并盡量防止含有重要信息的大類樣本的丟失，引入了一種無監(jiān)督的學(xué)習(xí)方法，

5、提出了一種基于K-means聚類的下抽樣的方法。在UCI數(shù)據(jù)集上的實驗結(jié)果表明，這種基于劃分的K-means方法的下抽樣算法能夠有效的提高小類樣本的識別率和保證整體的分類性能，該方法也可以解決現(xiàn)實生活中不均衡數(shù)據(jù)集分類問題。
　　 3．簡述了蛋白質(zhì)相互作用位點研究的現(xiàn)狀與意義，為了進(jìn)一步提高蛋白質(zhì)相互作用位點的預(yù)測精度，本文提出了一種基于構(gòu)造性神經(jīng)網(wǎng)絡(luò)集成的蛋白質(zhì)相互作用位點預(yù)測的方法，以蛋白質(zhì)序列譜和可及表面積為特征向量，采用

6、窗口大小為11進(jìn)行蛋白質(zhì)相互作用位點的預(yù)測，和傳統(tǒng)的SVM和覆蓋算法相比，該方法的整體預(yù)測性能較好，說明了基于覆蓋的集成學(xué)習(xí)算法在蛋白質(zhì)相互作用位點預(yù)測的正確性和有效性。
　　 4．針對蛋白質(zhì)相互作用位點的數(shù)據(jù)集中存在的樣本類別不均衡現(xiàn)象，分析它對蛋白質(zhì)相互作用位點預(yù)測造成的影響。為了進(jìn)一步提高界面殘基的識別率，我們將基于K-means聚類的下抽樣方法應(yīng)用到蛋白質(zhì)相互作用位點的預(yù)測中，通過該方法獲得均衡的蛋白質(zhì)數(shù)據(jù)集，實驗結(jié)果表