機器學習算法在基因功能預測和橡膠混煉控制中的應用.pdf

1、機器學習算法在生物識別，化工控制等領域都有著廣泛應用。本文提出了新的基于偏最小二乘的改進算法，可以較好的解決生物識別和化工控制領域的3個具體問題：原核生物短編碼序列識別，人類snoRNA識別，以及橡膠硬度在線測量。
　　在原核生物短編碼序列識別問題上，大多數(shù)方法在探測短基因序列上還沒有達到理想的效果。因為短編碼序列長度較短，其所含的生物信息有限，所以普通的方法難以準確的區(qū)分編碼和非編碼序列。本文提出了一種新的迭代適應性稀疏偏最小二

2、乘算法作為分類器，來研究原核短基因的識別，以提高其識別精度。與傳統(tǒng)的基因識別方法，如GeneMarkS, Metagene, Orphelia和Heuristic Approachs等方法相比，本文提出的方法取得更高的識別精度。實驗結果也證實本文的算法相對于傳統(tǒng)的分類器，如Logistic, RF(隨機森林)和KNN（最近鄰法），在預測精度方面也有著明顯的提高，至少提高了5.90％。
　　SnoRNA(small nucleola

3、r RNA)在真核生物中普遍存在，在本文中，我們提出了一種快速友好的方法來加快人類 snoRNAs的識別。在算法上，我們集合彈性網(wǎng)絡和稀疏偏最小二乘算法的優(yōu)勢，提出了ESDA算法。通過與其他算法的對比，可以確認 ESDA的有效性。相比于SnoReport，本文提出的方法不僅精度提高，而且簡潔性和計算速度上均有優(yōu)勢。此外，我們將ESDA和其他一些著名的分類器如RF(隨機森林)，DWD(距離加權分類)，SVM(支持向量機)進行對比，預測準確