基于GC-MS的高速谱库探索算法研究-模式识别与智能系统专业论文.docxVIP

独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含为获得安徽大学或其他教育机构的 学位或证书丽使用过的材料。与我一同工作的同志对本研究所做的任何贡献均巴 在论文中作了明确的说明并表示谢意。 洲 张落韵茹1㈣期：消年j月矽日 学位论文版权使用授权书 本学位论文作者完全了解安徽大学有关保留、使用学位论文的规定，有权 保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阂。 本人授权安徽大学可以将学位论文的全部或部分内容编入有关数据库进行检索， 可以采用影审、缩印或扫描等复裁手段保存、汇编学位论文。 (保密的学位论文在解密后适用本授权书) 学位论文作者签名： 物第} 导师签名： 多涉；譬乒治愿 签字日期：州玉年3-月汐日 签字日期：少f厂 年厂月≯日 万方数据 摘要摘要 摘要 摘要 化合物识别主要通过质谱库相似性搜索实现的。近年来，随着质谱库中可用 质谱数据的迅速增加，这就需要一个高识别率，高速搜索的库搜索算法。本文中 我们将七种相似性度量结合在一起并利用它们的识别差异性来提高识别率，即多 元组合相似性度量算法(Multiple Similarity Measures，MUL SM)。七种相似性 度量：绝对距离度量(Absolute Value Difference，ABS VD)、欧几里得距离度量 (Euclidean distance，Euclidean)、余弦相关系数度量(Cosine Correlation，Cosine)、 相关系数度量(Correlation)和Stein和Scott提出的复合相似性度量(以下简称 SS)、以及基于离散傅里叶变换和小波变换的复合相似性度量(Discrete Fourier and wavelet transforrn composite similarity measure，DFTR和DWTD)并利用粒子 群优化算法(Particle Swarm Optimization，PSO)来设定这七种不同相似性度量 在MUL SM中所占的权重值。同时，为了减少库搜索计算时间，从七种相似性 度量中选择一种度量作为“滤波器(构建子搜索主库)。根据库搜索计算时间、 识别率和分子结构相似性解释能力三种性能，最终选定ABS．VD作为原始搜索 主库的“滤波器”。 传统质谱库搜索的数据基本上是原始的气相色谱．质谱联用(Gas Chromatography Coupled to Mass Spectrometry，GC-MS)数据，样本量多且数据 的维数较高，从而导致库搜索速度较为缓慢。所以本文中提出了一种基于随机映 射位置敏感哈希(Location Sensitive Hash，LSH)的库搜索算法实现了高速、高 效的库搜索算法。 本文主要研究内容如下： 1、针对传统单一相似度量算法低识别率的问题，提出了MUL—SM。本算法 主要内容如下：识别差异性的可视化和粒子群优化算法选择权值。实验表明 MUL．SM相较于七种单一相似性度量算法具有更高的识别性能。 2、基于随机映射LSH的库搜索算法主要包括两个部分：一部分是原始 GC．MS数据映射为二进制数据，另一部分是基于二迸制数据的库搜索。实验结 果表明本算法相较于传统的质谱库搜索算法，它在搜索速度上有着明显的优势。 关键词：相似性度量；质谱库搜索；多元组合相似性度量；位置敏感哈希 万方数据 ABSTRACTA ABSTRACT ABSTRACT Compound identification mainly by means of mass spectrum library similarity search．In recent years，wim the number of available mass spectrum data rapid increase in the mass spectral library,this requires a high compound identification rate， faster mass spectral library search algorithm．In this paper,a variety of similarity measure algorithms are combined and their complementarities are also used to improve compounds identification rate，namely this al