Tehnike učenja za klasifikaciju bioloških nizova

diplomski rad

• Autor: Marija Pezić
• Mentor: Pavle Goldstein (mentor)
• Član povjerenstva: Pavle Goldstein (predsjednik povjerenstva)
• Član povjerenstva: Juraj Šiftar (član povjerenstva)
• Član povjerenstva: Zrinka Franušić (član povjerenstva)
• Član povjerenstva: Rudi Mrazović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Matematički odsjek); Zagreb
• Datum i država obrane: 2020-02-27, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Matematika

Sažetak

Cilj rada je analiza linearne klasifikacije proteina pomoću max-norme i algoritma stroja potpornih vektora. Na početku rada dani su osnovni matematički pojmovi iz linearne algebre, optimizacije, vjerojatnosti i statistike potrebni za razumijevanje rada. Također, opisan je rad algoritma stroja potpornih vektora. Za analizu se koristi sedam proteinskih familija. Skup za učenje sačinjen je od po 300 proteina iz svake proteinske familije, dok je skup za testiranje sačinjen od po 100 proteina iz svake proteinske familije. Objašnjen je postupak određivanja značajki svake familije te način izrade modela koji opisuju odnos svakog proteina sa zadanim proteinskim familijama. U konačnici su provedeni testovi linearne klasifikacije pomoću max-norme odnosno algoritma stroja potpornih vektora za različite parametre, te je napravljena usporedba dobivenih rezultata. Pokazalo se da su rezultati klasifikacije za različite metode gotovo isti i jako dobri.

Sažetak (engleski)

The aim of this work is an analysis of protein classification using the max-norm and support vector machine algorithm. First, we present some basic concepts from linear algebra, optimization, probability, and statistics that are needed for understanding later. Also, we explained mathematical background of the support vector machine algorithm. There are 7 protein families used for analysis. The training set consists of 300 proteins from each family, and the test set consists of 100 proteins from each family. We described the process of determining features for each family and how to build a model that describes the relation between given protein and protein families. Finally, we implemented the linear classification using the max-norm and support vector machine algorithm for different parameter values. It is shown that results are almost the same for both algorithms, and classification is very accurate.

• Ključne riječi: linearna klasifikacija proteina; algoritam stroja potpornih vektora; max norma
• Ključne riječi (engleski): protein classification; support vector machine algorithm; max-norm
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:005111
• Studijski program: Naziv: Matematička statistika; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra matematike (mag. math.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2020-09-23 10:57:58