數(shù)據(jù)挖掘中的分類方法及其在質(zhì)譜數(shù)據(jù)中的應(yīng)用.pdf

1、數(shù)據(jù)挖掘在化學(xué)中的一個(gè)重要的應(yīng)用是從數(shù)據(jù)庫中提取有用的信息.質(zhì)譜儀是一種用來對化合物進(jìn)行鑒別和特征化的儀器技術(shù)，它產(chǎn)生了大量的有助于化學(xué)結(jié)構(gòu)解析的數(shù)據(jù)。根據(jù)質(zhì)譜鑒別化合物和識別化學(xué)結(jié)構(gòu)性質(zhì)一直都是化學(xué)計(jì)量學(xué)中一項(xiàng)重要的工作。本文首先對多元統(tǒng)計(jì)分析，人工智能和現(xiàn)代數(shù)據(jù)挖掘中的各種分類方法進(jìn)行了深入的討論，其中一些方法已被用于基于質(zhì)譜數(shù)據(jù)的化學(xué)結(jié)構(gòu)和性質(zhì)的智能識別。但是，仍然有很多的化學(xué)結(jié)構(gòu)或子結(jié)構(gòu)不能被現(xiàn)有分類器有效的識別。從而尋找更好更

2、適合質(zhì)譜數(shù)據(jù)的方法仍然是化學(xué)計(jì)量學(xué)中一個(gè)重要的工作。　　本文提出了將分類樹和逆切片回歸法(SIR)結(jié)合的新方法，并將這種方法用于質(zhì)譜數(shù)據(jù)的分類問題。分類樹是數(shù)據(jù)挖掘中最常用的一種分類工具，它在自動(dòng)選擇變量和體現(xiàn)交互作用方面具有強(qiáng)大的功能。分類樹已經(jīng)被廣泛的用于質(zhì)譜數(shù)據(jù)的分類。但如果輸入變量是以某種線性組合的方式起作用，決策樹往往會(huì)因?yàn)闊o法體現(xiàn)這種方式導(dǎo)致模型的復(fù)雜化和準(zhǔn)確性的降低。逆切片回歸法正是一種在高維數(shù)據(jù)中找出有用的變量的線性組

3、合來回歸響應(yīng)變量的方法。所以有效的結(jié)合這兩種方法可以繼承它們的優(yōu)點(diǎn)，使樹結(jié)構(gòu)也可體現(xiàn)變量間的線性組合關(guān)系?！　≈品?boosting)是近代分類方法中的一個(gè)重要發(fā)展，它已經(jīng)被成功的用于很多領(lǐng)域，但是在化學(xué)計(jì)量學(xué)中，幾乎沒有任何的應(yīng)用。在這篇論文里，我們將神經(jīng)網(wǎng)絡(luò)助推法和分類樹助推法用于化學(xué)數(shù)據(jù)的分類。實(shí)　　最后，我們根據(jù)貝葉斯最優(yōu)決策律提出了一種推廣的助推法(G-boosting)。助推法主要由兩步構(gòu)成，首先，通過順序地訓(xùn)練具有不