基于高频系数小波分析的高维蛋白质波谱数据特征提取-生物信息学.pdfVIP

第 １３卷 第３期 生 物 信 息 学 Ｖｏｌ．１３ Ｎｏ．３ 　 　 　 　 　 　 　 　 　 　 ２０ １５ 年 ９ 月 Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ Ｓｅｐ． ２０１５ － ｄｏｉ：１０３９６９／ ｊ．ｉｓｓｎ．１６７２ ５５６５．２０１５．０３．０９ 基于高频系数小波分析的高维蛋白质波谱数据特征提取 吴文峰，刘毅慧∗ （齐鲁工业大学信息学院，济南 ２５０３５３） 摘　 要：高维蛋白质波谱数据分析过程中，对于数据的特征提取一直是许多学者专注解决的问题。 本文提出了一种基于高频 系数的小波分析和主成份分析技术（Ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ，ＰＣＡ）的特征提取方法，首先采用小波分析技术对数据进行降 － － 噪，提取高频系数作为特征，之后用主成份分析技术进行降维。 实验显示：本论文中提出的方法在８ ７ ０２、４／ ３／ ０２ 数据集上 的实验识别率分别可以达到１００％和９９．４５％，可以有效提高分类识别率。 关键词：波谱数据；高频；小波分析；主成份分析 － － － 中图分类号：Ｑ６２９．７３　 　 文献标志码：Ａ　 　 文章编号：１６７２ ５５６５（２０１５）０３ １９８ ０７ Ｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｏｎｆｏｒｈｉｇｈ⁃ｄｉｍｅｎｓｉｏｎａｌ ｐｒｏｔｅｉｎｍａｓｓ ｓｐｅｃｔｒｏｍｅｔｒｙ ｄａｔａｂａｓｅｄｏｎ ｔｈｅ ｈｉｇｈｆｒｅｑｕｅｎｃｙ ｃｏｅｆｆｉｃｉｅｎｔｓ ｏｆ ｗａｖｅｌｅｔ ａｎａｌｙｓｉｓ ＷＵ Ｗｅｎｆｅｎｇ，ＬＩＵ Ｙｉｈｕｉ∗ （Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ，Ｑｉｌｕ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｊｉｎａｎ ２５０３５３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｄｕｒｉｎｇ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｈｉｇｈ⁃ｄｉｍｅｎｓｉｏｎａｌ ｐｒｏｔｅｉｎ ｍａｓｓ ｓｐｅｃｔｒｏｍｅｔｒｙ ｄａｔａ，ｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｏｎ ｏｆ ｔｈｅ ｄａｔａ ｉｓ ａｌｗａｙｓ ｔｈｅ ｆｏｃｕｓ ｆｏｒ ｍａｎｙ ｒｅｓｅａｒｃｈｅｒｓ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｗｅ ｐｒｏｐｏｓｅｄ ａ ｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｔｈｅ ｈｉｇｈ ｆｒｅｑｕｅｎｃｙ ｃｏｅｆｆｉｃｉｅｎｔｓ ｏｆ ｗａｖｅｌｅｔ ａｎａｌｙｓｉｓ ａｎｄ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ．Ｆｉｒｓｔ ｗｅ ｕｓｅｄｗａｖｅｌｅｔ ａｎａｌｙｓｉｓｔｏ ｒｅｄｕｃｔ ｔｈｅ ｎｏｉｓｅ，ａｎｄ ｅｘｔｒａｃｔｅｄ ｔｈｅ ｈｉｇｈ ｆｒｅｑｕｅｎｃｙ ｃｏｅｆｆｉｃｉｅｎｔｓ ａｓ ｔｈｅ ｆｅａｔｕｒｅ．Ｔｈｅｎ ｗｅ ｕｓｅ ＰＣＡ ｔｏ ｒｅｄｕｃｅ ｔｈｅ ｄｉｍｅｎｓｉｏｎｓ． － － Ｔｈｅ ｔｅｓｔ ｓｈｏｗ ｔｈａｔ ｗｈｅｎ ｔｈｅ ｍｅｔｈｏｄ ｗａｓ ａｐｐｌｉｅｄ ｔｏ ｔｈｅ ｄａｔａ ｓｅｔ ８ ７ ０２，４／ ３／ ０２，ｗｅ ｃａｎ ｇｅｔ ｄｉｆｆｅｒｅｎｔ ｒｅｃｏｇｎｉｔｉｏｎ ｒａｔｅｓ ｏｆ １００％ ａｎｄ ９９．４５％，ｒｅｓｐｅｃｔｉｖｅｌｙ，ｉｎｄｉｃａｔｅ ｔｈｅ ｍｅｔｈｏｄ ｃａｎ ｉｍｐｒｏｖｅ ｒｅｃｏｇｎｉｔｉｏｎ ｒａｔｅｓ ｅｆｆｅｃｔｉｖｅｌｙ． Ｋｅｙｗｏｒｄｓ：Ｓｐｅｃｔｒｏｍｅｔｒｙ ｄａｔａ；Ｈｉｇｈ