机器学习方法及其在生物信息学中的应用

分析了机器学习技术的内容,介绍了生物信息学的内涵和新的应用技术,同时探索了机器学习技术对生物信息挖掘应用的途径.这些方法有助于加速生物分子结构预测、基因发现、基因组学和蛋白组学等方面研究的进展.     

机器学习技术在生物信息挖掘中的方案探讨

后基因时代,探索和解释隐藏在分子生物学数据库中的有用信息是对生物信息学研究人员的巨大挑战!为了解决分子生物学中遇到的这些难题,有效及廉价的方法是非常必要的.机器学习是一个崭新的计算机应用领域,而生物信息学是生物学与计算机科学以及应用数学等学科相互交叉而形成的一门新兴学科.本文分析了机器学习技术的内容,介绍了生物信息学的内涵和新的应用技术,同时探索了机器学习技术对生物信息挖掘应用的途径.这些方法有助于加速生物分子结构预测、基因发现、基因组学和蛋白组学等方面的研究进展.     

机器学习技术在生物信息挖掘中的方案探讨

后基因时代，探索和解释隐藏在分子生物学数据库中的有用信息是对生物信息学研究人员的巨大挑战!为了解决分子生物学中遇到的这些难题，有效厦廉价的方法是非常必要的．机器学习是一个崭新的计算机应用领域，而生物信息学是生物学与计算机科学以厦应用数学等学科相互交叉而形成的一门新兴学科．本文分析了机器学习技术的内容，介绍了生物信息学的内涵和新的应用技术，同时探索了机器学习技术对生物信息挖掘应用的途径．这些方法有助于加速生物分子结构预测、基因发现、基因组学和蛋白组学等方面的研究进展．     

基于特征选择和机器学习的材料弹性性能预测

利用机器学习方法进行材料性能预测研究,通过运用3种特征选择方法(Filter、RFE、LASSO)和3种机器学习模型(线性回归、岭回归、支持向量回归),从众多多尺度特征集中选择最佳的特征子集来预测无机化合物的弹性性能,归纳了预测材料弹性性能的最有效的、组合了特征选择与机器学习的预测模型,比较了特征选择方法在不同机器学习模型上的表现,分析了利用特征选择方法得到的特征子集.实验结果表明,Filter和SVR组合模型的预测结果最好,机器学习模型比特征选择方法对预测结果的影响更大,特征选择方法选出的特征子集中主要包括熔点、晶体结构、门捷列夫序号等材料特性.文中研究成果可为获得无机化合物弹性性能描述符和进一步开发更有效的材料性能预测方法提供参考.     

半监督分类学习问题在生物信息学中的研究进展——以间谍算法为例

近年来,随着生命科学研究的不断发展,生物信息学这个利用智能算法处理生物数据的新型交叉学科越来越受到科研工作者的关注.机器学习在智能算法的研究中占据极其重要的地位,而机器学习中的半监督分类学习在生物信息学中有着广泛应用.以半监督分类学习中的间谍算法为例,首先回顾了半监督分类学习的发展历程,分析了该方法的研究现状,然后描述了间谍算法在生物信息学研究中的应用,最后总结了间谍算法的优势和局限性,并且讨论了可以改进的方向和未来的发展.     

基于机器学习的拉矫延伸率预测模型及数值分析

在冷轧弯曲矫直过程中,针对拉矫机工艺参数设置问题,利用经验公式、有限元仿真建立的延伸率模型预测精度不高.为提高预测精度,基于传统解析模型与机器学习算法进行研究,比较了两种方法预测模型的精度,得到机器学习算法的延伸率预测模型要比数值解析模型的拟合优度高.比较BP神经网络算法和支持向量机(SVM)算法,得到两种机器学习算法的预测模型精度基本一致.为进一步提高预测精度,采用Adam算法对BP神经网络进行优化,采用遗传算法对SVM预测模型的参数进行优化,最终得到最优预测模型的均值绝对百分比误差MAPE以及拟合优度R^○2分别为13.4%和0.953,可以为实际生产提供技术指导.     

基于机器学习的建筑能耗模型适用性研究

为进一步分析不同机器学习方法用于建筑能耗模型的适用性,重点比较了6种常用机器学习方法用于预测办公建筑能耗时的准确性,包括线性回归、高斯过程、多元自适应回归样条法、自助多元自适应回归样条法、随机森林和支持向量机.结果表明:多元自适应回归样条法、自助多元自适应回归样条法和随机森林法适用于取暖能耗的模型建立;对于制冷能耗预测,自助多元自适应回归样条法的计算精度最高.同时发现制冷能耗与取暖能耗相比,由于存在更加复杂的非线性关系,其预测难度更大.研究结果不仅可用于在建筑节能分析中确定最佳机器学习方法,而且所得机器学习方法可用于城市建筑能耗模型的建立.     

机器学习在生物信息学中的应用

机器学习具有从数据和经验中获取知识的学习能力，能用于从大量生物数据中提取知识的过程。生物信息学是一个融合多门学科的领域，包括分子生物学、计算机科学、物理化学和数学。机器学习算法已成为生物信息学中数据分析算法的主要内容。介绍了典型的机器学习方法以及它们在生物信息学中的应用。     

MiRdetector：一个预测与搜寻miRNA基因的计算工具

MicroRNA（miRNA）是一类内源性的长约21～24 nucleotide(nt)的非编码小分子RNA,能够调节其它基因的表达活性,在生物体的发育过程中发挥重要的作用.每种生物体中miRNA的基因总数还未知,生物信息学分析手段为发现新的miRNA基因提供了有效的方法.作者开发了一个预测与搜寻miRNA基因的完全自动化系统“MiRdetector”.MiRdetector系统是基于计算机比对和miRNA前体茎环结构判断的.用水稻miRNA基因对系统的预测精度进行了检验,系统正确识别了155个样本中的140个,预测精度达到90.32％,并且搜寻到了95个可能的水稻miRNA基因.由于系统的假阳性率较低,因此能够为进一步证实miRNA基因的实验研究提供高质量的数据集.     

覆冰导线的气动力系数预测方法研究与特性分析

为解决风洞试验成本高与耗时长的问题,提出了一种基于机器学习预测气动力系数的研究方法.首先利用风洞试验获得不同参数下的覆冰导线气动力系数,然后通过机器学习构建模型预测了新月形覆冰导线在不同冰厚与风速下的气动力参数,所得各覆冰导线气动力系数随风攻角变化曲线与由风洞试验所得结果规律一致.基于机器学习和风洞试验所得气动系数确定的Den Hartog与Nigol系数随风攻角的变化结果相吻合,表明了机器学习预测方法的可行性.