基于Markov性的半监督流行学习算法研究  

The research of semi-supervised manifold learning algorithm based on markov property

作　　者：沈亮[1,2] 许青松[1] 曹东升[3] 黄新[4] 

机构地区：[1]中南大学数学与统计学院,长沙410083 [2]临沂大学理学院,临沂276005 [3]中南大学药学院,长沙410083 [4]湖南城市学院数学与计算科学学院,益阳413099

出　　处：《中国科学：数学》2015年第5期703-712,共10页Scientia Sinica：Mathematica

基　　金：国家自然科学基金(批准号:11271374)资助项目

摘　　要：本文在数据驱动模式的指导下,以药物动力学中的复杂数据为背景,利用具有Markov性的流行学习来构造半监督分类算法,并对生物结构与活性关系进行统计建模.模拟研究表明,当存在某种流行结构时,流行学习算法能对具有不同模式的数据进行更好地分类.通过对不同化合物的生物结构活性关系的三个真实数据集进行分析,与典型算法相比,基于不同核函数的流行学习分类算法能充分利用有标签的样本点和无标签的样本点的信息来对样本进行分类,并产生更稳健、更精确的分类结果.On the background of complex data in pharmacokinetics, we use manifold classification algorithm which has Markov property to model the QSAR. Simulation study show that when there exists some manifold structures, the manifold classification algorithm can give better results of classification. Three real datasets related to different categorical bioactivities of compounds are used to test the performance of MSSC. Statistical evaluation shows that the proposed algorithm is a promising and alternative modeling approach compared to the baseline models.

关 键 词：转移概率矩阵 MARKOV性 模式识别 流行学习 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]