【摘要】：中醫(yī)藥物質基礎研究是中醫(yī)藥現(xiàn)代化的重要內容,通常采用高效液相和質譜聯(lián)用儀來獲取實驗數(shù)據(jù)。此類實驗數(shù)據(jù)通常包含成千上萬種物質,呈現(xiàn)出高維數(shù)據(jù)特點;同時由于實驗樣本數(shù)的限制,呈現(xiàn)出小樣本的特點。中醫(yī)方藥在治病的過程中,往往呈現(xiàn)出多成分、多療效以及非線性的特性,而中醫(yī)藥實驗過程復雜、時間長、實驗動物有限以及一些客觀因素造成的實驗誤差等原因,導致有效實驗數(shù)據(jù)樣本較少。中醫(yī)藥領域的數(shù)據(jù)的復雜性使其難以直接使用傳統(tǒng)的機器學習方法進行分析。因而,需要對數(shù)據(jù)進行適當?shù)奶幚?使其能夠適用于傳統(tǒng)的數(shù)據(jù)分析模型。本文主要是基于偏最小二乘的優(yōu)化對中醫(yī)藥數(shù)據(jù)進行處理,偏最小二乘的優(yōu)化主要從特征選擇、非線性特征提取和回歸模型的非線性改進三方面著手。本文所做的主要工作有:(1)提出了一種基于特征相關的偏最小二乘特征選擇方法。針對傳統(tǒng)的偏最小二乘法只考慮單特征的重要性以及特征之間存在冗余和多重共線性等問題,將特征之間的統(tǒng)計相關性引入到傳統(tǒng)的偏最小二乘分析中,構造了一種基于特征相關的偏最小二乘模型。首先利用特征相關度對特征進行評估預選出特征組,然后將其放入偏最小二乘模型中進行訓練,評估該特征組是否可取。結合前向貪心搜索策略依次評價候選特征,并選中使目標函數(shù)最小的候選特征加入到已選特征。分別采用麻杏石甘湯君藥止咳、平喘和UCI數(shù)據(jù)集進行分析處理,實驗結果表明,該特征選擇方法能較好尋找較優(yōu)的特征組。(2)提出一種融合隨機森林的偏最小二乘法方法。針對偏最小二乘法的線性本質,而隨機森林算法組合多個分類器,具有自適應性,適合非線性回歸。將偏最小二乘法外模型中的提取的自變量主成分和原始因變量構建隨機森林,根據(jù)殘差信息遞歸建樹,直到滿足事先設定的條件為止。在麻杏石甘湯君藥平喘實驗、麻杏石甘湯君藥止咳實驗和UCI機器學習數(shù)據(jù)集上進行了實驗分析,結果表明,融入隨機森林的偏最小二乘法能較好表達中醫(yī)藥數(shù)據(jù)的特征,提高非線性數(shù)據(jù)的預測精度。(3)提出一種基于深度置信網(wǎng)絡的偏最小二乘法優(yōu)化方法。針對偏最小二乘內部采用的交叉核驗方法會導致主成分急劇減少,從而降低回歸方程的精度,而中醫(yī)藥數(shù)據(jù)對主成分的選取尤為敏感。該方法主要是利用深度學習模型抽取原始數(shù)據(jù)的上層特征,將抽取的特征放入偏最小二乘模型進行多元線性回歸,在規(guī)避對主成分的個數(shù)選取問題的同時,還反應了中醫(yī)藥數(shù)據(jù)中所包含的非線性結構。分別采用大承氣湯實驗數(shù)據(jù)和UCI數(shù)據(jù)集的數(shù)據(jù)進行分析處理,實驗結果表明,基于深度置信網(wǎng)絡的偏最小二乘分析方法對中醫(yī)藥數(shù)據(jù)有很好的適應性。(4)針對參附注射液治療心源性休克的物質基礎實驗數(shù)據(jù)展開分析,首先將原始數(shù)據(jù)的內源性物質和外源性物質區(qū)分開,使用單因素方差分析對數(shù)據(jù)進行預處理,去掉那些取值變化小的特征,采用十一種有監(jiān)督的單變量特征選擇方法,對剩余的內源性物質進行特征重要性排序,取重要特征的交集。再利用無監(jiān)督的特征選擇方法去除冗余特征。將所得特征集合作為生物標記物(內源性物質)。最后,通過所得的生物標記物分析外源性和內源性物質之間的關系。(5)在基于以上研究成果的基礎上,按照中醫(yī)藥領域的數(shù)據(jù)分析需求,采用PYTHON相關編程語言和開發(fā)工具,設計并開發(fā)了中醫(yī)藥數(shù)據(jù)分析系統(tǒng)。
【圖文】：

圖 2.1 房價真實預測圖 圖 2.2 房價過擬合預測圖0 1 2 2 13 13θ + θ x + θ x + ...+ θx(6)0 1 2 2 3 3 4 4 13 13θ + θ x + θ x + θ x + θ x ...+ θx(7)可以看出，左圖擬合較為合適，而右圖過擬合。如果想要解決右圖中的過擬合問題，需要3 4x ,x 能夠使得的參數(shù)3 4θ ,θ ，盡量滿足3 4θ ≈ 0, θ≈ 0。而如何使得3 4θ ,θ 盡可能接近 0 呢？那就是對參數(shù)施懲罰項。線性回歸的代價函數(shù)：21( ) (12( ) )ni iiJ h x ymθθ== (8)施加懲罰項之后，公式為：2 21 0( ) ( ) )12(n ki i ji jJ h x ymθθ λ θ= == + (9)梯度下降的式子變?yōu)椋?

圖 2.1 房價真實預測圖 圖 2.2 房價過擬合預測圖0 1 2 2 13 13θ + θ x + θ x + ...+ θx(6)0 1 2 2 3 3 4 4 13 13θ + θ x + θ x + θ x + θ x ...+ θx(7)可以看出，，左圖擬合較為合適，而右圖過擬合。如果想要解決右圖中的過擬合問題，需要3 4x ,x 能夠使得的參數(shù)3 4θ ,θ ，盡量滿足3 4θ ≈ 0, θ≈ 0。而如何使得3 4θ ,θ 盡可能接近 0 呢？那就是對參數(shù)施懲罰項。線性回歸的代價函數(shù)：21( ) (12( ) )ni iiJ h x ymθθ== (8)施加懲罰項之后，公式為：2 21 0( ) ( ) )12(n ki i ji jJ h x ymθθ λ θ= == + (9)梯度下降的式子變?yōu)椋?
【學位授予單位】：江西中醫(yī)藥大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R285;TP181

【相似文獻】

相關期刊論文 前10條

1 尤肖虎,何振亞;遞歸實現(xiàn)固定階的偏最小二乘問題——幾種新的快速算法[J];電子學報;1988年02期

2 倪永年;偏最小二乘分光光度法用于多組份分析[J];巖礦測試;1989年04期

3 康健;唐力偉;左憲章;李浩;張西紅;;基于灰色小波核偏最小二乘的傳感器網(wǎng)絡數(shù)據(jù)預測融合研究[J];振動與沖擊;2011年04期

4 張勝偉;秦斌;;偏最小二乘方法的財務預警模型研究的應用[J];工業(yè)控制計算機;2012年06期

5 賀軍亮;崔軍麗;張淑媛;李仁杰;查勇;;基于偏最小二乘的土壤重金屬銅含量高光譜估算[J];遙感技術與應用;2019年05期

6 姜英英;李晉明;;偏最小二乘通徑模型在某高校學院綜合實力評估中的實證研究(下)[J];教育教學論壇;2015年27期

7 杜樹新;沈進昌;袁之報;;三維熒光光譜的多維偏最小二乘建模方法[J];激光雜志;2012年01期

8 姜英英;李晉明;;偏最小二乘通徑模型在某高校學院綜合實力評估中的實證研究(上)[J];教育教學論壇;2015年23期

9 陳安珍;蔣萬楓;袁航;孫磊;吳愛英;李新榮;馬雙成;;基于超高效液相色譜偏最小二乘判別分析法建立鑒別大黃真?zhèn)渭胺N屬預測模型的方法[J];中國藥學雜志;2016年03期

10 常鵬;高學金;王普;;基于多向核熵偏最小二乘的間歇過程監(jiān)測及質量預測[J];北京工業(yè)大學學報;2014年06期

相關會議論文 前10條

1 李科;;用偏最小二乘(PLS)回歸法研究數(shù)據(jù)相關性[A];全國第六屆分子振動光譜學術報告會文集[C];1990年

2 徐揚;胡文明;王偉;徐辰武;;基于多元偏最小二乘的多性狀聯(lián)合關聯(lián)分析方法研究[A];第六屆全國動植物數(shù)量遺傳學學術研討會論文摘要集[C];2014年

3 王檢兵;曹東升;梁逸曾;;3褼_(7.4)的計算機預測并與其他軟件方法比較[A];中國化學會第29屆學術年會摘要集——第19分會：化學信息學與化學計量學[C];2014年

4 李大鵬;王惠文;;偏最小二乘Iogistic回歸在鄱陽湖洪澇災害預測中的應用[A];2003中國現(xiàn)場統(tǒng)計研究會第十一屆學術年會論文集（上）[C];2003年

5 王俊;許多寬;肖勇;王勇;陳志華;陳維建;;基于化學指標的煙葉產區(qū)正交偏最小二乘判別分析[A];中國煙草學會學術年會優(yōu)秀論文集[C];2017年

6 樊霞;俞舟;;產學研協(xié)同創(chuàng)新有助于大學創(chuàng)新能力成長嗎?——基于偏最小二乘路徑模型的實證檢驗[A];中國系統(tǒng)工程學會第十八屆學術年會論文集——A03系統(tǒng)科學理論研究創(chuàng)新[C];2014年

7 景明;蔡文生;邵學廣;;Multiblock偏最小二乘方法的新應用[A];第十屆全國計算(機)化學學術會議論文摘要集[C];2009年

8 岑芳明;王明文;王鵬鳴;戴玉娟;;基于核偏最小二乘分類的垃圾郵件過濾[A];第四屆全國信息檢索與內容安全學術會議論文集（上）[C];2008年

9 李澤華;趙春暉;王偉;;一種基于稀疏偏最小二乘-典型相關分析(SPLS-CCA)的產品質量智能追溯方法[A];2018中國自動化大會(CAC2018)論文集[C];2018年

10 李建更;李輝;阮曉鋼;;一種有效的腫瘤特征基因篩選方法[A];2013年中國智能自動化學術會議論文集（第五分冊）[C];2013年

相關博士學位論文 前10條

1 曾雪強;偏最小二乘降維方法的研究與應用[D];上海大學;2009年

2 池清華;PLS隱變量空間模型預測控制算法研究[D];浙江大學;2015年

3 楊海濤;基于遺傳算法的復合核偏最小二乘模型在組學數(shù)據(jù)疾病預測和分類中的應用[D];山西醫(yī)科大學;2016年

4 石懷濤;基于多元統(tǒng)計分析的軋鋼過程故障診斷與質量預報研究[D];東北大學;2012年

5 張海玉;張廣才嶺及完達山森林生物量遙感估測及變化驅動力分析[D];東北林業(yè)大學;2011年

6 田明璐;西北地區(qū)冬小麥生長狀況高光譜遙感監(jiān)測研究[D];西北農林科技大學;2017年

7 金鑫;基于動態(tài)PLS框架的魯棒建模及預測控制方法研究[D];浙江大學;2016年

8 毛李帆;電網(wǎng)規(guī)劃中長期負荷預測技術的研究[D];湖南大學;2011年

9 華回春;干擾性負荷諧波責任定量評估的理論與方法[D];華北電力大學;2014年

10 李明澤;東北林區(qū)森林生物量遙感估算及分析[D];東北林業(yè)大學;2010年

相關碩士學位論文 前10條

1 葉震麟;一種塊增量偏最小二乘模型的研究[D];南昌大學;2019年

2 曾青霞;偏最小二乘優(yōu)化及其在中醫(yī)藥數(shù)據(jù)分析中的應用研究[D];江西中醫(yī)藥大學;2019年

3 劉爽;混合溶液光譜分析與融合建模研究[D];東北大學;2015年

4 王巖;基于回歸系數(shù)誤差逐漸調優(yōu)的增量偏最小二乘算法研究[D];東北大學;2015年

5 趙丙娟;基于偏最小二乘降維的人臉年齡估計研究[D];南昌大學;2017年

6 鄭明辰;基于非線性偏最小二乘方法的急性電離輻射損傷早期傷情分類研究[D];蘇州大學;2013年

7 杜曉慧;基于不同罰函數(shù)約束偏最小二乘的應用研究[D];長沙理工大學;2015年

8 韓杰倫;使用偏最小二乘方法對信令負荷進行評估[D];浙江大學;2017年

9 步文斌;基于偏最小二乘的人臉識別算法研究[D];重慶大學;2013年

10 張凱林;基于主元分析和偏最小二乘的TE過程監(jiān)測方法的研究[D];天津理工大學;2015年

本文編號：2592855