计算药物(药学与生物信息学)第六章试卷.pptVIP

第6章 药学研究中的模式识别技术 China Pharmaceutical University Contents China Pharmaceutical University 分类 俗语说，物以类聚、人以群分。 但什么是分类的根据呢？ 比如，要想把中国的县分成若干类，就有很多种分类法； 可以按照自然条件来分，比如考虑降水、土地、日照、湿度等各方面； 也可以考虑收入、教育水准、医疗条件、基础设施等指标； 既可以用某一项来分类，也可以同时考虑多项指标来分类。 China Pharmaceutical University 6.1 基本概念 分析化学已扩展到多维空间; 越来越多的智能型分析仪器采集到多维多变量数据; 化学模式识别技术是多变量数据分析在化学领域的 重要应用。 ⑴HPLC中，二极管阵列检测器 色谱光谱图每个组分多个波长的吸收度； ⑵复杂体系的分离分析 （中药分析、生物大分子分析、人类基因组学） 如： China Pharmaceutical University 模式识别的基本概念（Pattern Recognition） 模式： 模式识别： 供模仿用的完美无缺的样本；具有某种共同性质的一类现象的集合。 认识出某个样本与哪一种供模仿用的样本相 同体相似。 是鉴别数据阵提供的信息，用数学方法识别具有一定模式的样品和变量，其功能是对样本进行分类或识别。 例如： 中医凭舌苔和脉搏进行诊断；公安人员根据 指纹查证罪犯。 China Pharmaceutical University China Pharmaceutical University 羧酸、酮类在熔点和沸点二维平面上的分布图 China Pharmaceutical University 无监督模式识别（unsupervised learning）： 模式识别的基本概念 聚类分析 不依赖训练集，直接在特征空间中寻找点群或其它可以识别的数据结构。 有监督模式识别（supervised learning）： 数据中有一部分是已知模式的样本，通过对处理过的数据进行试验，识别未知类别的样本属于不同的类别。 训练集和预测集 有监督模式识别： 利用训练集（Training set） 通过训练或学习来获得识别准规（或判别函数），然后用这些识别好的规则来判决未知模式所属类别，并利用预测集，对训练集中获得的识别准则加以检测，来考察识别准则的可靠性与正确性。 未包括在训练集中的已知类别的样本 已知各个模式的所属类别 分类： China Pharmaceutical University 6.2. 数据预处理 6.2.1 遗漏的数据、中心化与比例调整 遗漏数据：不宜用零替代，而用行或列的平均来替代，或者使用随机数来替代。 China Pharmaceutical University 消除数据量纲不同或分布范围过大造成的常数偏移量，可以对坐标原点做变换，一般的步骤是均值中心化。 China Pharmaceutical University 原始数据矩阵的预处理 n个样本，每个样本数据为一个m维矢量 中心化处理： 对数变换： 范围调整 正规标准化处理： 正规标准化处理（均值为零 ，方差为1）MATLAB 命令：zscore(X) China Pharmaceutical University 6.2.2 协方差矩阵与相关矩阵 数据预处理的常用方法 将原始数据变换坐标系，用于后面介绍的各种 模式识别方法。 变换的思路 根据原始数据矩阵得到一个可以反映原始数据 中各数据点之间关系的数据矩阵； 即方差－协方差矩阵或相关矩阵。 China Pharmaceutical University 方差－协方差矩阵 MATLAB 命令： cov(X) China Pharmaceutical University 相关矩阵 China Pharmaceutical University 6.2.3 距离与相似性度量 通过样本间的相似性来对样本进行分类的。 可用距离来描述样本间的相似程度； 距离越小两个样本越接近，相似性大，分在 同一类的可能性就越大，距离大则相反。 China Pharmaceutical University 距离越小两样本越接近，分在同一类的可能性就越大 绝对距离 欧氏距离 明氏距离： 与各变量的量纲有关没考虑变量间的相关性 马氏距离： 距离 数据矩阵的协方差矩阵 原始数据矩阵的预处理 China Pharmaceutical University 6.3 聚类分析 聚类分析的一般概念 将一批样品或变量按照它们性质上亲疏远近的程度分类 基本思路 n个样本各自成一类，按一定