[发明专利]一种基于演化计算多视图融合的分子结构图检索方法

说明书

本发明涉及一种基于演化计算多视图融合的分子结构图检索方法。包括：步骤1，使用旋转、平移、缩放等操作来增强数据；步骤2，利用增强的数据训练多个深度模型作为多视图特征提取器；步骤3，利用训练好的多视图提取器提取增强数据的多视图特征；步骤4，通过演化算法搜索性能优良的多视图融合模型用于获取分子结构图分类模型和数据集的融合特征；步骤5，直接使用分类模型或者利用融合的特征计算得到的待检索图与检索库中分子图的相似性的排序值对待检索分子结构图完成检索。本发明用于解决在化学信息学领域无需依赖分子结构式编码字符，直接基于图像的化学分子结构式检索问题。

技术领域

本发明涉及化学信息学化学分子结构检索领域，具体涉及一种基于演化计算多视图融合的分子结构图检索方法。

背景技术

化学结构式检索是化学信息学领域的核心工作之一，是一种以输入化学分子结构图形为检索内容的化学信息搜索方式。该方式是目前化学化工人才在科研或订购化学试剂时候常用的搜索。

目前，化学结构检索主要采用预先定义的分子结构编码的方法。例如，基于简化分子线性输入规范(SMILES)的结构式检索，该方法首先需要将化学结构拆成符号来代表的碎片，然后再将他们排成一长串，形成化学结构的线性码，然后采用字符串比对的策略实现分子结构检索。基于SMILES检索是目前我国掌握的结构式检索方法中采用最多的方法。然而，该方法面对不规整或复杂的SMILES匹配，可能失效。

基于分子结构编码检索的方法需要按照事先设计的编码方式对全部分子结构图进行字符编码，这个过程不但耗时耗力，而且易标注错误。设计不依赖于专家规则的编码，直接使用分子结构图作为检索对象是非常必要和重要的。在计算机视觉领域，深度学习作为目前最成功的表示学习方法之一，已经在人脸识别、物体分类等方面取得很大成功。利用已有的深度学习模型自动建立分子结构图的特征表示是可行的。有效的特征表示对于分子结构检索性能起着核心和基础性作用，然而，单一的深度模型不能很好的捕捉其特征。如果能利用现存的不同深度模型分别提取其不同视角的特征，通过某种方式融合这些不同视角的特征，则对于基于图的分子结构式检索具有重要意义。本专利首先对数据集进行旋转、缩放等操作来增强数据集，然后借助于多个现有的深度模型对增强后数据进行多视图特征提取，然后针对提取的多视图特征的融合方式，提出了基于演化计算多视图融合模型的分子结构图检索方法。

发明内容

本发明目的是提供一种基于演化计算多视图融合的分子结构图检索方法。

本发明所采取的技术方案是：一种基于演化计算多视图融合的分子结构图检索方法，包括以下步骤：

步骤1，数据增强：给定一个分子结构图数据集，表示为D＝{(x_i,y_i)|1≤i≤|D|}，其中x_i表示分子结构图，y_i表示x_i的类别；首先，采用数据增强方法来增强分子结构图数据集D；然后，统一将增强数据集中的图缩放为w×h大小，其中：w表示图像宽度，h表示图像高度；最后，获取增强数据集中每张图片不同缩小比例的图副本，通过采用在外边距填充像素255的方式将缩小得到的图放大为w×h，通过该过程产生的全部分子结构图构成的数据集记为D^*；

步骤2，训练多视图特征提取器：给定一组深度卷积网络N＝{AlexNet、VGG、ResNet、DenseNet、GoogLeNet、Inception}；首先，使用数据集D^*的类别数替换N中每个网络分类层的神经元个数，交叉熵作为每个网络的损失函数；然后，使用数据集D^*分别训练N中的6个网络；