中国韩国日本在线观看免费,A级尤物一区,日韩精品一二三区无码,欧美日韩少妇色

當(dāng)前位置:主頁(yè) > 科技論文 > 搜索引擎論文 >

基于SVM的DNA微陣列數(shù)據(jù)分類研究

發(fā)布時(shí)間:2024-07-09 02:30
  20世紀(jì)后期,信息技術(shù)的快速發(fā)展催生了一門新的學(xué)科即生物信息學(xué),生物信息學(xué)依靠數(shù)學(xué)和人工智能與生物醫(yī)學(xué)的有機(jī)結(jié)合,已經(jīng)在腫瘤基因表達(dá)譜分析、基因變異和蛋白質(zhì)結(jié)構(gòu)分析等領(lǐng)域取得了豐碩成果,成為了研究的熱點(diǎn)。利用信息處理技術(shù)對(duì)腫瘤基因表達(dá)譜數(shù)據(jù)進(jìn)行分析,對(duì)于揭示病變產(chǎn)生的原因、發(fā)展機(jī)理、疾病診斷、藥物研制都有很強(qiáng)的現(xiàn)實(shí)意義。基因表達(dá)譜數(shù)據(jù)具有自身的特性,主要表現(xiàn)在小樣本、高維、高噪聲及高冗余方面,這些特性使得傳統(tǒng)的分類方法在處理基因表達(dá)譜數(shù)據(jù)時(shí)往往效果不好,支持向量機(jī)對(duì)具有小樣本、高維的數(shù)據(jù)進(jìn)行分類效果良好。為了克服基因表達(dá)譜數(shù)據(jù)高噪聲及冗余對(duì)分類器性能的影響,需要對(duì)原始數(shù)據(jù)進(jìn)行特征選擇。本文總結(jié)了目前在基因表達(dá)譜數(shù)據(jù)分類中的常用方法,針對(duì)這些方法存在的問(wèn)題,開(kāi)展研究,研究主要從兩個(gè)方面進(jìn)行:(1)特征基因選擇方法研究。首先使用ReliefF方法對(duì)特征基因進(jìn)行初步篩選,實(shí)現(xiàn)降低搜索空間的維數(shù),初步去除冗余及噪聲;然后使用混合和聲差分算法確定最優(yōu)特征基因組合。混合方法能夠克服傳統(tǒng)和聲搜索方法局部尋優(yōu)能力差,解精度低的缺陷,同時(shí)能克服差分進(jìn)化算法容易陷入局部最優(yōu)的問(wèn)題。仿真實(shí)驗(yàn)結(jié)果表明,利用這...

【文章頁(yè)數(shù)】:63 頁(yè)

【學(xué)位級(jí)別】:碩士

【部分圖文】:

圖1-1過(guò)濾法基本原理和流程圖

圖1-1過(guò)濾法基本原理和流程圖

掘技術(shù)在基因表達(dá)譜數(shù)據(jù)中的研究?jī)?nèi)容主要有:特征基因選取異性分析等,本文主要研究特征基因選擇算法和基因表達(dá)譜樣在分析現(xiàn)有文獻(xiàn)里各種算法的基礎(chǔ)上設(shè)計(jì)相關(guān)的特征基因選取類算法,進(jìn)一步提升樣本分類的效率和準(zhǔn)確度。特征基因選擇的研究現(xiàn)狀因選擇方法主要可以分為過(guò)濾式、纏繞式、和嵌入式。過(guò)濾....


圖1-2纏繞法基本原理與流程圖

圖1-2纏繞法基本原理與流程圖

2)纏繞式繞式(Wrapper)是以某個(gè)特征子集合對(duì)分類性能的重要性程度為指標(biāo)選擇,先使用分類器對(duì)初始的特征子集的分類性能進(jìn)行評(píng)價(jià),然而依始的特征子集進(jìn)行合理的調(diào)整,以得到性能更優(yōu)的特征子集,上述過(guò)以得到性能最優(yōu)的特征子集[23],這個(gè)特征子集的構(gòu)造完成就可以實(shí)現(xiàn)。利用纏繞式進(jìn)行....


圖2-1特征基因選擇的一般步驟流程圖

圖2-1特征基因選擇的一般步驟流程圖

研發(fā)療效更好的新藥物。.2特征基因的選擇過(guò)程特征基因選擇的一般過(guò)程如下:(1)第一步:選取合適的方法從原始數(shù)據(jù)集中選擇一個(gè)特征子集;(2)第二步:根據(jù)具體研究對(duì)象選取度量指標(biāo)并建立評(píng)價(jià)模型對(duì)選擇的特征子行分析評(píng)價(jià);(2)第三步:將評(píng)價(jià)結(jié)果與設(shè)定目標(biāo)閥值(準(zhǔn)則)進(jìn)行比較,若評(píng)價(jià)結(jié)....


圖3-1分類模型的一般過(guò)程

圖3-1分類模型的一般過(guò)程

3基因表達(dá)譜數(shù)據(jù)分類基礎(chǔ)理論3.1組織樣本分類在數(shù)據(jù)挖據(jù)的研究領(lǐng)域中,樣本的分類問(wèn)題是指通過(guò)建立模型對(duì)現(xiàn)有的樣本數(shù)據(jù)有監(jiān)督學(xué)習(xí),尋找樣本屬性間的聯(lián)系。挖掘隱含的數(shù)據(jù)集關(guān)系或規(guī)則,最后用建立的模型或規(guī)則對(duì)未知類型的數(shù)據(jù)進(jìn)行分類,目前,樣本分類是模式識(shí)別、圖形檢測(cè)、故障排查、疾病....



本文編號(hào):4004251

資料下載
論文發(fā)表

本文鏈接:http://www.lk138.cn/kejilunwen/sousuoyinqinglunwen/4004251.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶8c7a8***提供,本站僅收錄摘要或目錄,作者需要?jiǎng)h除請(qǐng)E-mail郵箱bigeng88@qq.com