关键词： 事件代词指代消歧   机器学习方法   实例生成   特征选择  

摘要： 与实体指代不同,事件指代因为其先行词候选是一个事件,与名词性的指代词具有完全不同的语义分类体系,因此适用于实体指代消歧的大多数特征都不能用于事件指代消歧。该文给出了一个基于机器学习方法的事件代词指代消歧平台,详细介绍了平台的实例生成和特征选择过程,并给出了平台在OntoNotes3.0语料上的事件代词指代消歧的结果,对结果进行了分析。从实验结果可以看到,给出的平台获得了较好的系统性能。

关键词： 数据挖掘分类预测判定树归纳线性回归保持法  

摘要： 数据挖掘技术是信息时代的宠儿,而分类和预测是数据分析的两种基本形式,能预测未知数据的趋势。本文主要介绍了何为数据的分类和预测,并且通过判定树归纳细化了数据分类的划分步骤;通过介绍线性回归、多元回归以及非线性回归等预测方法加深了对数据预测的认识;并介绍了分类法准确率评估方法以及分类和预测的异同点。

关键词： 数据挖掘   SVC   SVR   电信故障预测  

摘要： 基于数据挖掘技术,针对电信故障海量数据特点,合理选择属性值和标签值,运用交叉验证、网格划分、遗传算法和粒子群算法进行参数寻优,运用支持向量机SVM理论,建立电信故障分类模型和预测模型。通过仿真分析,并且与电信故障实际数据对比,表明该分类模型和预测模型的精度高,误差小,为今后控制电信故障,改善网络运行质量提供理论依据和数据支持。

关键词： Empirical Validation   Object Oriented   Receiver Operating Characteristics   Statistical Methods   Machine Learning   Fault Prediction  

摘要： An understanding of quality attributes is relevant for the software organization to deliver high software reliability. An empirical assessment of metrics to predict the quality attributes is essential in order to gain insight about the quality of software in the early phases of software development and to ensure corrective actions. In this paper, we predict a model to estimate fault proneness using Object Oriented CK metrics and QMOOD metrics. We apply one statistical method and six machine learning methods to predict the models. The proposed models are validated using dataset collected from Open Source software. The results are analyzed using Area Under the Curve (AUC) obtained from Receiver Operating Characteristics (ROC) analysis. The results show that the model predicted using the random forest and bagging methods outperformed all the other models. Hence, based on these results it is reasonable to claim that quality models have a significant relevance with Object Oriented metrics and that machine learning methods have a comparable performance with statistical methods

关键词： 蛋白质功能预测   机器学习   多示例多标记学习  

摘要： 介绍了蛋白质功能预测与分析的现状和主要研究内容,并说明了如何利用新型机器学习方法来进行这方面的研究工作,并对其以后的发展提出了展望。

关键词： 高斯朴素贝叶斯   支持向量机   功能磁共振成像   特征选择  

摘要： 特征选择和分类是脑功能磁共振成像(fMRI)数据分析的核心问题。针对fMRI高维数据,特征选择分两步,选取感兴趣脑区,选择最能区分刺激任务体素。该方法简单,稳定,符合人的思维逻辑。分类器选择高斯朴素贝叶斯(GNB)和支持向量机(SVM),评估该特征选择方法。实验结果表明,该方法有效提高了分类速度,分类准确度也得到很大提高。对分类方法进行比较,SVM总体上优于GNB。

关键词： 事件指代消歧   机器学习方法   实例生成   特征选择  

摘要： 与实体指代不同,事件指代其先行词候选是一个事件,与名词性的指代词具有完全不同的语义分类体系,因此适用于实体指代消歧的大多数特征都不能用于事件指代消歧。给出了一个基于机器学习方法的事件指代消歧平台,详细介绍了平台的实例生成和特征选择过程,给出了平台在OntoNotes3.0语料上的事件指代消歧的结果,并对结果进行了分析。从实验结果可以看到,给出的平台获得了较好的召回率,但系统准确率需要进一步提升。

关键词： COMMON ORGANIZATIONAL FEATURES   GENOME-WIDE DISCOVERY   GENE-EXPRESSION   MUSCLE PATTERN   DNA-BINDING   HOX PROTEINS   TARGET GENES   SAMPLE-SIZE   DROSOPHILA   MODULES  

摘要： Transcriptional enhancers integrate the contributions of multiple classes of transcription factors (TFs) to orchestrate the myriad spatio-temporal gene expression programs that occur during development. A molecular understanding of enhancers with similar activities requires the identification of both their unique and their shared sequence features. To address this problem, we combined phylogenetic profiling with a DNA-based enhancer sequence classifier that analyzes the TF binding sites (TFBSs) governing the transcription of a co-expressed gene set. We first assembled a small number of enhancers that are active in Drosophila melanogaster muscle founder cells (FCs) and other mesodermal cell types. Using phylogenetic profiling, we increased the number of enhancers by incorporating orthologous but divergent sequences from other Drosophila species. Functional assays revealed that the diverged enhancer orthologs were active in largely similar patterns as their D. melanogaster counterparts, although there was extensive evolutionary shuffling of known TFBSs. We then built and trained a classifier using this enhancer set and identified additional related enhancers based on the presence or absence of known and putative TFBSs. Predicted FC enhancers were over-represented in proximity to known FC genes; and many of the TFBSs learned by the classifier were found to be critical for enhancer activity, including POU homeodomain, Myb, Ets, Forkhead, and T-box motifs. Empirical testing also revealed that the T-box TF encoded by org-1 is a previously uncharacterized regulator of muscle cell identity. Finally, we found extensive diversity in the composition of TFBSs within known FC enhancers, suggesting that motif combinatorics plays an essential role in the cellular specificity exhibited by such enhancers. In summary, machine learning combined with evolutionary sequence analysis is useful for recognizing novel TFBSs and for facilitating the identification of cognate TFs that coordina

关键词： 机器学习   数据挖掘   WEKA  

摘要： 针对机器学习技术理论性强、内容抽象、实践难的特点,提出了以Weka软件为平台的机器学习实践方案,并详细阐述了实施过程。通过对结果分析,达到使用Weka实践机器学习技术解决实际问题的目的。

关键词： 贝时斯网络   粗糙集   马尔可夫模型   机器学习方法   RNA二级结构  

摘要： 随着人类基因组计划的成功实施，充分利用这些基因组测序数据，得到对人类有用信息的需求迅速增加，随之而诞生的生物信息学充分利用信息技术、数学、生物学、计算机科学等多学科工具，有效分析了海量数据所包含的生物学意义。而机器学习方法则给生物信息学提供了可靠有力的算法支撑，使得生物信息学对生命科学的探索与研究做出了重大贡献。本文利用了生物信息学中的若干种机器学习方法，研究了RNA的分子自折叠二级结构预测及RNA分子间靶位点碱基对匹配模式与靶点预测问题。\n 针对RNA二级结构预测算法中同源多序列保守结构预测法较单序列预测法复杂度高的问题，本文提出了保守二级结构中的保守碱基对来源于每个单序列的最优和次优自由能结构的假设。有效利用单序列自由能结构中各茎子结构的相关特征属性信息，通过支持向量机算法，保守碱基对被挑选出来。基于RNA二级结构预测标准数据集和Rfam数据库中十种RNA家族的二级结构预测实验显示，本算法的预测性能不低于主流预测算法水平。单序列自由能结构的引入既保证了较高的保守结构预测性能，又在一定程度上降低了算法复杂度。另外，本文研究的粗糙集方法挑选保守碱基对以及依靠茎子结构的公共程度属性排序挑选保守茎子结构法对SVM预测算法的最终形成提供了实验基础。\n 在表示各个单序列最优及次优自由能结构的诸个茎子结构与保守二级结构的关系时，本文给出了一种有效的RNA二级结构表示方法，简约点阵图法，使得基于茎子结构粒度的预测算法原理描述更加形象与深刻。\n RNA分子间靶点预测亦主要依据RNA的一级序列信息。对于miRNA靶位点碱基对互补配对模式特征的提取，本文先后使用了粗集工具与马尔可夫链式模型工具研究了配对模式的定性与定量特征。本文首先借助于两种量度变量，然后使用粗糙集工具，分析了miRNA的22个碱基中各个部分的匹配模式。接着，对miRNA靶点的序列匹配模式进行了进一步定量分析。通过建立马氏链模型，对训练数据进行学习，再根据极大似然法得到模型参数。已作完参数估计的模型为成熟的模型。基于这个成熟模型的得分，制定出一个合适的阈值，高于阈值的匹配模式都将被视为有效的模式，用于评估候选靶点作为真正靶点的可能性。\n 随着近几年来微阵列基因芯片的广泛使用，基因表达谱数据为RNA分子间靶点预测提供了一种有效的高通量实验模式。本文通过建立描述miRNA、mRNA以及蛋白质表达量之间相互关系的贝叶斯网络模型，预测出miRNA靶点的同时指出miRNA按哪种方式发挥作用。