1、數(shù)據(jù)挖掘技術(shù)是人們長期對數(shù)據(jù)庫技術(shù)進行研究和開發(fā)的結(jié)果，生物信息或基因數(shù)據(jù)挖掘更使人類受益匪淺。數(shù)據(jù)分布的擬合問題是數(shù)據(jù)發(fā)掘理論與應用中的一個典型問題。這就是為了更確切地了解一批觀測數(shù)據(jù)的統(tǒng)計特性，我們必須確定它們的分布函數(shù)，用已知的概率分布去作擬合。本文的主要內(nèi)容就是討論在較一般的昆合分布條件下，用EM算法，在最小熵原理的優(yōu)化準則下的數(shù)據(jù)擬合問題。 傳統(tǒng)的EM算法是我們早已熟知的算法，本文是在其基礎上提出了新的優(yōu)化準則，從而使

2、其更方便的應用于數(shù)據(jù)分布擬合問題。這就是用一般指數(shù)混合分布，對觀測數(shù)據(jù)進行擬合，使它們的Kullback-Leibler熵為最小。本文在給出了擬合計算中的EM算法后，也證明了該擬合計算的收斂性定理。 在生物計算中存在大量數(shù)據(jù)擬合問題，本文以蛋白質(zhì)空間結(jié)構(gòu)分析為例，利用PDB數(shù)據(jù)庫對蛋白質(zhì)空間結(jié)構(gòu)中的幾種重要參數(shù)進行分布擬合，得到了明顯的效果，并由此可以得到蛋白質(zhì)空間結(jié)構(gòu)特性。這使得本文提出的基于最小熵原理的EM算法有著更實際的意