一種高效集成分類器及其在蛋白質折疊識別中的應用研究.pdf

1、蛋白質的三維結構決定其生物功能,同種折疊模式的蛋白質功能相似。自然界中的蛋白質結構約十萬種而折疊模式的總數(shù)還不到一千。因此，蛋白質折疊研究不僅具有很重要的生物學意義，而且能大大降低蛋白質結構研究的復雜度。
　　 蛋白質折疊預測大致分為基于模版的方法和基于分類的方法兩大類。盡管在序列相似度較高時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，其預測的敏感性和可信性都大幅度下降。基于分類的方法不依靠相似度，在序列相似度不顯著時

2、能有效預測蛋白質折疊類型。目前，已有大量的集成分類器用于蛋白質折疊識別。高效的集成分類器主要依賴基本分類器的效率和集成加權機制的合理選取。ET-KNN作為一種簡單有效的分類器在多分類問題中得到了廣泛的應用。其有效性依賴于內部參數(shù)的選擇，雖然很多方法通過優(yōu)化參數(shù)提高了分類性能，但參數(shù)都遠沒達到全局最優(yōu)。已有的集成加權策略由于沒有從整體性能來確定基本分類器的權值，各個基本分類器的作用得不到充分發(fā)揮，導致集成分類器的分類精度不高。
　　

3、 針對以上問題，本文提出了一種高效的集成分類器(GAOEC)。首先，通過遺傳算法全局優(yōu)化ET-KNN中的參數(shù)向量，提出了一種優(yōu)化的分類器—GAET-KNN。其次，集成分類器采用雙層GAET-KNN的學習結構，第一層分類器的類別空間為所有的類標識，第二層分類器的類別空間為第一層分類器得到的陽性類標識。通過雙層的學習結構，合理“減少了”類別的數(shù)量，便于決策。最后，基于加權集成和平均集成的思想，提出了兩種集成策略━全局最優(yōu)加權策略和選擇平均