中图分类号：单位代号：10280密级：学号：05720159硕士学位论文SHANGHAIUNIVERSITYMASTERDISSERTATION题目机器学习算法在生物信息学中的应用机器学习算法在生物信息学中的应用毕业论文作者金雨欢学科专业物理化学导师陆文聪教授---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---完成日期二零零八年五月---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---上海大学本论文经答辩委员会全体委员审查,确认符合上海大学硕士学位论文质量要求。答辩委员会签名：主任：委员：---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---导师：答辩日期：原创性声明本人声明：所呈交的论文是本人在导师指导下进行的研究工作。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---发表或撰写过的研究成果。参与同一工作的其他同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---谢意。签名：日期：本论文使用授权说明本人完全了解上海大学有关保留、使用学位论文的规定，即：学校有权保留论文及送交论文复印件，允---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---许论文被查阅和借阅；学校可以公布论文的全部或部分内容。（保密的论文在解密后应遵守此规定）签名：导师签名：日期：上海大学理学硕士学位论文---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---机器学习算法在生物信息学中的应用姓名：金雨欢导师：陆文聪教授学科专业：物理化学上海大学理学院二零零八年五月ADissertationSubmittedtoShanghaiUniversity---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---fortheMaster’sDegreeinScienceUsingMachineLearningMethodsInBioinformaticsM.D.Candidate：JinYuhuanSupervisor：Prof.LuWencongMajor：PhysicalChemistryScienceCollege,ShanghaiUniversityMay,2008---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---摘要20世纪后期，人类和其他生物物种基因组学的研究飞速发展，生物信息的增长惊人，生物科学技术极大地丰富了生物科学的数据资源。数据资源的急---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---剧膨胀迫使人们寻求一种强有力的工具，运用新的技术手段对复杂的海量生物信息进行储存、管理、分析和研究，组---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---织这些数据，以利于储存、加工和进一步利用，有效管理、准确解读、充分使用这些信息。本文的工作就是应用机器学习方法来对生物信息数据进行分---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---析，处理。本文的主体工作分为三个部分：1.用集成学习算法研究蛋白质亚细胞定位预测。蛋白质的亚细胞位置，是蛋白质的一个重要性质，能够表明蛋白---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---质在细胞中的功能。预报蛋白质亚细胞位置，在基因注释和药物设计工作中，都扮演了很重要的角色。本文用基于序列---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---氨基酸组成成分进行蛋白质序列特征编码，选用了AdaBoost与Bagging这两种最重要的集成学习算法来对训练数据集---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---进行建模。在建模过程中，分别尝试了用4种不同的弱分类器来训练样本，并用基于交叉验证法的建模结果来对建模---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---参数进行优化。结果表明：用AdaBoost随机森林算法作为弱分类器时有最好的建模结果，交叉验证预报正确率为76.51%---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---；Bagging用最近邻算法作为弱分类器时有最...