文章详情

摘要

中药剂量-效应数据往往具有样本量小、变量间相关性强、非线性关系复杂等特点，传统多元回归方法通常难以满足该类数据的分析需求。针对上述问题，本文融合核主成分分析（KPCA）与偏最小二乘（PLS）各自的优势，提出一种基于特征加权的多核KPCA-PLS回归方法。该方法首先利用偏最小二乘变量投影重要性（PLS-VIP）度量特征重要性并计算权重，将其引入后续的核函数构造中，以增强模型对关键变量的敏感性；其次，在KPCA中构建融合RBF核与多项式（Poly）核的多核学习结构以提取主成分，从而兼顾局部与全局特征提取能力；随后将KPCA提取的主成分输入PLS模型进行回归，并引入多种群遗传算法，在迭代过程中自动优化核函数参数组合，以获得最优回归效果。在两个中药数据集和3个公开数据集上，与6种其他方法进行对比实验，结果验证了所提方法的优越性。

关键词

中药量效数据；特征加权；核主成分；偏最小二乘

参考文献

1. [1] Zhao L，Zhang H，Li N，et al. Network Pharmacology, A Promising Approach to Reveal the Pharmacology Mechanism of Chinese Medicine Formula [J/OL].Journal of ethnopharmacology，2023，309：116306.https://doi.org/10.1016/j.jep.2023.116306.
2. [2] Korchevskiy A A，Korchevskiy A. Non-linearity in Cancer Dose-Response： the Role of Exposure Duration [J/OL].Computational Toxicology，2022，22：100217.https://doi.org/10.1016/j.comtox.2022.100217.
3. [3] He J X，Huang L W，Xiao Y，et al. Prediction model of Continuous Discharge Coefficient from Tank Based on KPCA-DE-SVR [J/OL].Journal of Loss Prevention in the Process Industries，2024，89：105316.https://doi.org/10.1016/j.jlp.2024.105316.
4. [4] Li X H，Jia R C，Zhang R R，et al. A KPCA-BRANN Based Data-Driven Approach to Model Corrosion Degradation of Subsea oil Pipelines [J/OL].Reliability Engineering & System Safety，2022，219：108231.https://www.sciencedirect.com/science/article/abs/pii/S0951832021007092?via%3Dihub.
5. [5] Schölkopf B，Smola A，Müller K R. Nonlinear Component Analysis As A Kernel Eigenvalue Problem [J].Neural Computation，1998，10（5）：1299-1319.
6. [6] Wold S，Sjöström M，Eriksson L. PLS-regression: A Basic tool of Chemometrics [J].Chemometrics and Intelligent Laboratory Systems，2001，58（2）：109-130.
7. [7] Liu X Z，Yang X，Guo R X. Regional Differences in Fossil Energy-Related Carbon Emissions in China’s Eight Economic Regions: Based on the Theil Index and PLS-VIP Method [J/OL].Sustainability，2020，12（7）：2576.https://doi.org/10.3390/su12072576.
8. [8] Cheng K，Lu Z Z，Wei Y H，et al. Mixed kernel Function Support Vector Regression for Global Sensitivity Analysis [J].Mechanical Systems and Signal Processing，2017，96：201-214.
9. [9] 陈渤，刘宏伟，保铮.一种融合核优化算法 [J].西安电子科技大学学报，2007（4）：509-513，582.
10. [10] Forrest S. Genetic algorithms [J].ACM computing surveys (CSUR)，1996，28（1）：77-80.
11. [11] Liu K L，Lin T，Zhong T T，et al. New Methods Based on A Genetic Algorithm Back Propagation (GABP) Neural Network and General Regression Neural Network (GRNN) for Predicting the Occurrence of Trihalomethanes in tap Water [J/OL]. Science of The Total Environment，2023，870：161976.https://doi.org/10.1016/j.scitotenv.2023.161976.
12. [12] Wei Z Q，Lu T，Gu R P，et al. DBN-GABP model for Estimation of Aircraft Wake Vortex Parameters Using Lidar Data [J].Chinese Journal of Aeronautics，2024，37（9）：347-368.
13. [13] Li Y，Jia M，Han X，et al. Towards a Comprehensive Optimization of Engine Efficiency and Emissions by Coupling Artificial Neural Network(ANN)with Genetic Algorithm (GA) [J/OL].Energy，2021，225：120331.https://doi.org/10.1016/j.energy.2021.120331.
14. [14] Ranstam J，Cook J A. LASSO Regression [J].Journal of British Surgery，2018，105（10）：1348-1348.
15. [15] Smith P F，Ganesh S，Liu P. A Comparison of Random Forest Regression and Multiple Linear Regression for Prediction in Neuroscience [J].Journal of Neuroscience Methods，2013，220（1）：85-91.
16. [16] Li J，An X，Li Q，et al. Application of XGBoost Algorithm in the Optimization of Pollutant Concentration [J/OL].Atmospheric Research，2022，276：106238.https://www.sciencedirect.com/science/article/abs/pii/S0169809522002241?via%3Dihub.
17. [17]曾红，周秋贵，罗婷，等.厚朴酚与和厚朴酚对小鼠腹泻及胃肠排空抑制的影响比较[J].中药材，2015，38（10）：2160-2162.
18. [18]彭昕欣，易鑫，刘婧，等.肠道内容物和黏膜菌群对枳实导滞汤剂治疗食积便秘的响应差异[J].中国微生态学杂志，2023，35（11）：1241-1247，1256.

基金项目

国家自然科学基金（82260849）；江西中医药大学校级科技创新团队发展计划（CXTD22015）

作者简介

李想（2001—），男，汉族，安徽铜陵人，硕士研究生，研究方向：医药数据挖掘；通信作者：聂斌（1972—），男，汉族，江西峡江人，教授，硕士生导师，博士研究生，研究方向：医药数据挖掘、中医药信息学、中药学；郑水飞（1998—），男，汉族，江西上饶人，硕士研究生，研究方向：医药数据挖掘；章祉瑶（2001—），女，汉族，江西南昌人，硕士研究生，研究方向：医药数据挖掘；孟冲（2003—），男，汉族，安徽阜阳人，硕士研究生，研究方向：医药数据挖掘；史晨浩（2001—），男，汉族，江苏南通人，硕士研究生，研究方向：医药数据挖掘。