随着信息技术的迅速发展,数据获取越来越便捷。与此同时,数据结构越来越复杂,数据规模也越来越庞大。从不同的视角出发可以得到不同的数据模式,这些数据模式都能在一定程度上为人们提供有价值的信息。因此,对不同的数据模式进行整合分析可以弥补传统方法视角单一的不足,对人们从综合的视角认识和了解复杂系统具有重大的理论意义。针对系统中不同模式的数据,本文建立了基于权值的模式整合优化模型,该模型通过比对矩阵将不同维度的数据模式映射到相同的维度空间,并通过自适应加权的方式对各种数据模式的均值进行计算。由于模型中变量种类较多且在约束中不耦合,因此本文首先固定整合矩阵及比对矩阵,对模型中的权重进行优化求解,该问题为带有约束的二次规划问题。本文证明了该子问题的最优解的存在性,并利用外点法求解此问题;然后根据求得的权值再对整合矩阵和比对矩阵进行优化求解,该子问题为具有正交约束的二次规划问题,本文使用了特征值算法求解此问题。为了验证模型和方法的有效性,本文给出一个数值算例并对其进行求解。蛋白质结构的预测问题是生物信息学领域的核心问题之一。对于蛋白质结构预测问题,之前的研究均是从单一角度进行,但蛋白质是一个复杂的系统,其结构同时受到诸多因素的影响,只从单一的角度对蛋白质结构进行预测往往具有一定的局限性。对蛋白质结构进行整合能够弥补传统预测方法的不足。因此,本文对HP格点模型以及范德华力势能模型得到的蛋白质二维和三维结构分别进行了整合分析。通过数值模拟结果可以发现,本文的模型和方法在整合结果和计算时间上都具有一定的优势。