發(fā)布時(shí)間：2020-03-21 05:40

【摘要】：中醫(yī)藥物質(zhì)基礎(chǔ)研究是中醫(yī)藥現(xiàn)代化的重要內(nèi)容,通常采用高效液相和質(zhì)譜聯(lián)用儀來(lái)獲取實(shí)驗(yàn)數(shù)據(jù)。此類實(shí)驗(yàn)數(shù)據(jù)通常包含成千上萬(wàn)種物質(zhì),呈現(xiàn)出高維數(shù)據(jù)特點(diǎn);同時(shí)由于實(shí)驗(yàn)樣本數(shù)的限制,呈現(xiàn)出小樣本的特點(diǎn)。中醫(yī)方藥在治病的過(guò)程中,往往呈現(xiàn)出多成分、多療效以及非線性的特性,而中醫(yī)藥實(shí)驗(yàn)過(guò)程復(fù)雜、時(shí)間長(zhǎng)、實(shí)驗(yàn)動(dòng)物有限以及一些客觀因素造成的實(shí)驗(yàn)誤差等原因,導(dǎo)致有效實(shí)驗(yàn)數(shù)據(jù)樣本較少。中醫(yī)藥領(lǐng)域的數(shù)據(jù)的復(fù)雜性使其難以直接使用傳統(tǒng)的機(jī)器學(xué)習(xí)方法進(jìn)行分析。因而,需要對(duì)數(shù)據(jù)進(jìn)行適當(dāng)?shù)奶幚?使其能夠適用于傳統(tǒng)的數(shù)據(jù)分析模型。本文主要是基于偏最小二乘的優(yōu)化對(duì)中醫(yī)藥數(shù)據(jù)進(jìn)行處理,偏最小二乘的優(yōu)化主要從特征選擇、非線性特征提取和回歸模型的非線性改進(jìn)三方面著手。本文所做的主要工作有:(1)提出了一種基于特征相關(guān)的偏最小二乘特征選擇方法。針對(duì)傳統(tǒng)的偏最小二乘法只考慮單特征的重要性以及特征之間存在冗余和多重共線性等問(wèn)題,將特征之間的統(tǒng)計(jì)相關(guān)性引入到傳統(tǒng)的偏最小二乘分析中,構(gòu)造了一種基于特征相關(guān)的偏最小二乘模型。首先利用特征相關(guān)度對(duì)特征進(jìn)行評(píng)估預(yù)選出特征組,然后將其放入偏最小二乘模型中進(jìn)行訓(xùn)練,評(píng)估該特征組是否可取。結(jié)合前向貪心搜索策略依次評(píng)價(jià)候選特征,并選中使目標(biāo)函數(shù)最小的候選特征加入到已選特征。分別采用麻杏石甘湯君藥止咳、平喘和UCI數(shù)據(jù)集進(jìn)行分析處理,實(shí)驗(yàn)結(jié)果表明,該特征選擇方法能較好尋找較優(yōu)的特征組。(2)提出一種融合隨機(jī)森林的偏最小二乘法方法。針對(duì)偏最小二乘法的線性本質(zhì),而隨機(jī)森林算法組合多個(gè)分類器,具有自適應(yīng)性,適合非線性回歸。將偏最小二乘法外模型中的提取的自變量主成分和原始因變量構(gòu)建隨機(jī)森林,根據(jù)殘差信息遞歸建樹(shù),直到滿足事先設(shè)定的條件為止。在麻杏石甘湯君藥平喘實(shí)驗(yàn)、麻杏石甘湯君藥止咳實(shí)驗(yàn)和UCI機(jī)器學(xué)習(xí)數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)分析,結(jié)果表明,融入隨機(jī)森林的偏最小二乘法能較好表達(dá)中醫(yī)藥數(shù)據(jù)的特征,提高非線性數(shù)據(jù)的預(yù)測(cè)精度。(3)提出一種基于深度置信網(wǎng)絡(luò)的偏最小二乘法優(yōu)化方法。針對(duì)偏最小二乘內(nèi)部采用的交叉核驗(yàn)方法會(huì)導(dǎo)致主成分急劇減少,從而降低回歸方程的精度,而中醫(yī)藥數(shù)據(jù)對(duì)主成分的選取尤為敏感。該方法主要是利用深度學(xué)習(xí)模型抽取原始數(shù)據(jù)的上層特征,將抽取的特征放入偏最小二乘模型進(jìn)行多元線性回歸,在規(guī)避對(duì)主成分的個(gè)數(shù)選取問(wèn)題的同時(shí),還反應(yīng)了中醫(yī)藥數(shù)據(jù)中所包含的非線性結(jié)構(gòu)。分別采用大承氣湯實(shí)驗(yàn)數(shù)據(jù)和UCI數(shù)據(jù)集的數(shù)據(jù)進(jìn)行分析處理,實(shí)驗(yàn)結(jié)果表明,基于深度置信網(wǎng)絡(luò)的偏最小二乘分析方法對(duì)中醫(yī)藥數(shù)據(jù)有很好的適應(yīng)性。(4)針對(duì)參附注射液治療心源性休克的物質(zhì)基礎(chǔ)實(shí)驗(yàn)數(shù)據(jù)展開(kāi)分析,首先將原始數(shù)據(jù)的內(nèi)源性物質(zhì)和外源性物質(zhì)區(qū)分開(kāi),使用單因素方差分析對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,去掉那些取值變化小的特征,采用十一種有監(jiān)督的單變量特征選擇方法,對(duì)剩余的內(nèi)源性物質(zhì)進(jìn)行特征重要性排序,取重要特征的交集。再利用無(wú)監(jiān)督的特征選擇方法去除冗余特征。將所得特征集合作為生物標(biāo)記物(內(nèi)源性物質(zhì))。最后,通過(guò)所得的生物標(biāo)記物分析外源性和內(nèi)源性物質(zhì)之間的關(guān)系。(5)在基于以上研究成果的基礎(chǔ)上,按照中醫(yī)藥領(lǐng)域的數(shù)據(jù)分析需求,采用PYTHON相關(guān)編程語(yǔ)言和開(kāi)發(fā)工具,設(shè)計(jì)并開(kāi)發(fā)了中醫(yī)藥數(shù)據(jù)分析系統(tǒng)。
【圖文】：

圖 2.1 房?jī)r(jià)真實(shí)預(yù)測(cè)圖 圖 2.2 房?jī)r(jià)過(guò)擬合預(yù)測(cè)圖0 1 2 2 13 13θ + θ x + θ x + ...+ θx(6)0 1 2 2 3 3 4 4 13 13θ + θ x + θ x + θ x + θ x ...+ θx(7)可以看出，左圖擬合較為合適，而右圖過(guò)擬合。如果想要解決右圖中的過(guò)擬合問(wèn)題，需要3 4x ,x 能夠使得的參數(shù)3 4θ ,θ ，盡量滿足3 4θ ≈ 0, θ≈ 0。而如何使得3 4θ ,θ 盡可能接近 0 呢？那就是對(duì)參數(shù)施懲罰項(xiàng)。線性回歸的代價(jià)函數(shù)：21( ) (12( ) )ni iiJ h x ymθθ== (8)施加懲罰項(xiàng)之后，公式為：2 21 0( ) ( ) )12(n ki i ji jJ h x ymθθ λ θ= == + (9)梯度下降的式子變?yōu)椋?

圖 2.1 房?jī)r(jià)真實(shí)預(yù)測(cè)圖 圖 2.2 房?jī)r(jià)過(guò)擬合預(yù)測(cè)圖0 1 2 2 13 13θ + θ x + θ x + ...+ θx(6)0 1 2 2 3 3 4 4 13 13θ + θ x + θ x + θ x + θ x ...+ θx(7)可以看出，，左圖擬合較為合適，而右圖過(guò)擬合。如果想要解決右圖中的過(guò)擬合問(wèn)題，需要3 4x ,x 能夠使得的參數(shù)3 4θ ,θ ，盡量滿足3 4θ ≈ 0, θ≈ 0。而如何使得3 4θ ,θ 盡可能接近 0 呢？那就是對(duì)參數(shù)施懲罰項(xiàng)。線性回歸的代價(jià)函數(shù)：21( ) (12( ) )ni iiJ h x ymθθ== (8)施加懲罰項(xiàng)之后，公式為：2 21 0( ) ( ) )12(n ki i ji jJ h x ymθθ λ θ= == + (9)梯度下降的式子變?yōu)椋?
【學(xué)位授予單位】：江西中醫(yī)藥大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：R285;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 尤肖虎,何振亞;遞歸實(shí)現(xiàn)固定階的偏最小二乘問(wèn)題——幾種新的快速算法[J];電子學(xué)報(bào);1988年02期

2 倪永年;偏最小二乘分光光度法用于多組份分析[J];巖礦測(cè)試;1989年04期

3 康健;唐力偉;左憲章;李浩;張西紅;;基于灰色小波核偏最小二乘的傳感器網(wǎng)絡(luò)數(shù)據(jù)預(yù)測(cè)融合研究[J];振動(dòng)與沖擊;2011年04期

4 張勝偉;秦斌;;偏最小二乘方法的財(cái)務(wù)預(yù)警模型研究的應(yīng)用[J];工業(yè)控制計(jì)算機(jī);2012年06期

5 賀軍亮;崔軍麗;張淑媛;李仁杰;查勇;;基于偏最小二乘的土壤重金屬銅含量高光譜估算[J];遙感技術(shù)與應(yīng)用;2019年05期

6 姜英英;李晉明;;偏最小二乘通徑模型在某高校學(xué)院綜合實(shí)力評(píng)估中的實(shí)證研究(下)[J];教育教學(xué)論壇;2015年27期

7 杜樹(shù)新;沈進(jìn)昌;袁之報(bào);;三維熒光光譜的多維偏最小二乘建模方法[J];激光雜志;2012年01期

8 姜英英;李晉明;;偏最小二乘通徑模型在某高校學(xué)院綜合實(shí)力評(píng)估中的實(shí)證研究(上)[J];教育教學(xué)論壇;2015年23期

9 陳安珍;蔣萬(wàn)楓;袁航;孫磊;吳愛(ài)英;李新榮;馬雙成;;基于超高效液相色譜偏最小二乘判別分析法建立鑒別大黃真?zhèn)渭胺N屬預(yù)測(cè)模型的方法[J];中國(guó)藥學(xué)雜志;2016年03期

10 常鵬;高學(xué)金;王普;;基于多向核熵偏最小二乘的間歇過(guò)程監(jiān)測(cè)及質(zhì)量預(yù)測(cè)[J];北京工業(yè)大學(xué)學(xué)報(bào);2014年06期

相關(guān)會(huì)議論文 前10條

1 李科;;用偏最小二乘(PLS)回歸法研究數(shù)據(jù)相關(guān)性[A];全國(guó)第六屆分子振動(dòng)光譜學(xué)術(shù)報(bào)告會(huì)文集[C];1990年

2 徐揚(yáng);胡文明;王偉;徐辰武;;基于多元偏最小二乘的多性狀聯(lián)合關(guān)聯(lián)分析方法研究[A];第六屆全國(guó)動(dòng)植物數(shù)量遺傳學(xué)學(xué)術(shù)研討會(huì)論文摘要集[C];2014年

3 王檢兵;曹東升;梁逸曾;;3褼_(7.4)的計(jì)算機(jī)預(yù)測(cè)并與其他軟件方法比較[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

4 李大鵬;王惠文;;偏最小二乘Iogistic回歸在鄱陽(yáng)湖洪澇災(zāi)害預(yù)測(cè)中的應(yīng)用[A];2003中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第十一屆學(xué)術(shù)年會(huì)論文集（上）[C];2003年

5 王俊;許多寬;肖勇;王勇;陳志華;陳維建;;基于化學(xué)指標(biāo)的煙葉產(chǎn)區(qū)正交偏最小二乘判別分析[A];中國(guó)煙草學(xué)會(huì)學(xué)術(shù)年會(huì)優(yōu)秀論文集[C];2017年

6 樊霞;俞舟;;產(chǎn)學(xué)研協(xié)同創(chuàng)新有助于大學(xué)創(chuàng)新能力成長(zhǎng)嗎?——基于偏最小二乘路徑模型的實(shí)證檢驗(yàn)[A];中國(guó)系統(tǒng)工程學(xué)會(huì)第十八屆學(xué)術(shù)年會(huì)論文集——A03系統(tǒng)科學(xué)理論研究創(chuàng)新[C];2014年

7 景明;蔡文生;邵學(xué)廣;;Multiblock偏最小二乘方法的新應(yīng)用[A];第十屆全國(guó)計(jì)算(機(jī))化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2009年

8 岑芳明;王明文;王鵬鳴;戴玉娟;;基于核偏最小二乘分類的垃圾郵件過(guò)濾[A];第四屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集（上）[C];2008年

9 李澤華;趙春暉;王偉;;一種基于稀疏偏最小二乘-典型相關(guān)分析(SPLS-CCA)的產(chǎn)品質(zhì)量智能追溯方法[A];2018中國(guó)自動(dòng)化大會(huì)(CAC2018)論文集[C];2018年

10 李建更;李輝;阮曉鋼;;一種有效的腫瘤特征基因篩選方法[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 曾雪強(qiáng);偏最小二乘降維方法的研究與應(yīng)用[D];上海大學(xué);2009年

2 池清華;PLS隱變量空間模型預(yù)測(cè)控制算法研究[D];浙江大學(xué);2015年

3 楊海濤;基于遺傳算法的復(fù)合核偏最小二乘模型在組學(xué)數(shù)據(jù)疾病預(yù)測(cè)和分類中的應(yīng)用[D];山西醫(yī)科大學(xué);2016年

4 石懷濤;基于多元統(tǒng)計(jì)分析的軋鋼過(guò)程故障診斷與質(zhì)量預(yù)報(bào)研究[D];東北大學(xué);2012年

5 張海玉;張廣才嶺及完達(dá)山森林生物量遙感估測(cè)及變化驅(qū)動(dòng)力分析[D];東北林業(yè)大學(xué);2011年

6 田明璐;西北地區(qū)冬小麥生長(zhǎng)狀況高光譜遙感監(jiān)測(cè)研究[D];西北農(nóng)林科技大學(xué);2017年

7 金鑫;基于動(dòng)態(tài)PLS框架的魯棒建模及預(yù)測(cè)控制方法研究[D];浙江大學(xué);2016年

8 毛李帆;電網(wǎng)規(guī)劃中長(zhǎng)期負(fù)荷預(yù)測(cè)技術(shù)的研究[D];湖南大學(xué);2011年

9 華回春;干擾性負(fù)荷諧波責(zé)任定量評(píng)估的理論與方法[D];華北電力大學(xué);2014年

10 李明澤;東北林區(qū)森林生物量遙感估算及分析[D];東北林業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 葉震麟;一種塊增量偏最小二乘模型的研究[D];南昌大學(xué);2019年

2 曾青霞;偏最小二乘優(yōu)化及其在中醫(yī)藥數(shù)據(jù)分析中的應(yīng)用研究[D];江西中醫(yī)藥大學(xué);2019年

3 劉爽;混合溶液光譜分析與融合建模研究[D];東北大學(xué);2015年

4 王巖;基于回歸系數(shù)誤差逐漸調(diào)優(yōu)的增量偏最小二乘算法研究[D];東北大學(xué);2015年

5 趙丙娟;基于偏最小二乘降維的人臉年齡估計(jì)研究[D];南昌大學(xué);2017年

6 鄭明辰;基于非線性偏最小二乘方法的急性電離輻射損傷早期傷情分類研究[D];蘇州大學(xué);2013年

7 杜曉慧;基于不同罰函數(shù)約束偏最小二乘的應(yīng)用研究[D];長(zhǎng)沙理工大學(xué);2015年

8 韓杰倫;使用偏最小二乘方法對(duì)信令負(fù)荷進(jìn)行評(píng)估[D];浙江大學(xué);2017年

9 步文斌;基于偏最小二乘的人臉識(shí)別算法研究[D];重慶大學(xué);2013年

10 張凱林;基于主元分析和偏最小二乘的TE過(guò)程監(jiān)測(cè)方法的研究[D];天津理工大學(xué);2015年

本文編號(hào)：2592855