摘要
一种多尺度特征增强与特征选择的代谢产物预测方法,涉及代谢产物预测领域。本发明是为了解决现有代谢产物预测准确率低的问题。本发明包括:对每个生物样本的质谱数据特征向量进行预处理,获得多尺度特征矩阵;利用多尺度特征矩阵,获取每个特征对于代谢类别的信息增益;根据每个特征对于代谢物预测的信息增益对多尺度特征矩阵中的特征进行筛选,获得最终特征集。利用最终特征集及对应代谢物标签训练ANN模型,获得代谢产物预测模型;获取待预测生物样本的最终特征集合,将待预测生物样本的最终特征集合输入到代谢产物预测模型中,获得待预测生物样本的代谢产物类别。本发明用于预测生物的代谢产物类别。
技术关键词
多尺度特征
特征选择
样本
生物
特征值
标签
矩阵
质谱
强度
随机森林模型
支持向量机
数据
训练集
序列
系统为您推荐了相关专利信息
Graves眼病
生物标志物
试剂盒
血清
定量检测方法
神经网络训练方法
样本
节点
神经网络训练装置
计算机设备
花鲈
数值模拟方法
神经网络预测模型
促卵泡激素受体
促性腺激素释放激素
生物力学参数
模拟展示方法
GPU并行计算
质点弹簧模型
面部结构
肠道微生物菌群
打分算法
层次分析法
供体
计算机装置