發(fā)布時間：2024-07-09 02:30

　　20世紀后期,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)的有機結(jié)合,已經(jīng)在腫瘤基因表達譜分析、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。利用信息處理技術(shù)對腫瘤基因表達譜數(shù)據(jù)進行分析,對于揭示病變產(chǎn)生的原因、發(fā)展機理、疾病診斷、藥物研制都有很強的現(xiàn)實意義�；�因表達譜數(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譜數(shù)據(jù)時往往效果不好,支持向量機對具有小樣本、高維的數(shù)據(jù)進行分類效果良好。為了克服基因表達譜數(shù)據(jù)高噪聲及冗余對分類器性能的影響,需要對原始數(shù)據(jù)進行特征選擇。本文總結(jié)了目前在基因表達譜數(shù)據(jù)分類中的常用方法,針對這些方法存在的問題,開展研究,研究主要從兩個方面進行:(1)特征基因選擇方法研究。首先使用ReliefF方法對特征基因進行初步篩選,實現(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�；旌戏椒�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,同時能克服差分進化算法容易陷入局部最優(yōu)的問題。仿真實驗結(jié)果表明,利用這...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1過濾法基本原理和流程圖

掘技術(shù)在基因表達譜數(shù)據(jù)中的研究內(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譜樣在分析現(xiàn)有文獻里各種算法的基礎(chǔ)上設(shè)計相關(guān)的特征基因選取類算法，進一步提升樣本分類的效率和準確度。特征基因選擇的研究現(xiàn)狀因選擇方法主要可以分為過濾式、纏繞式、和嵌入式。過濾....

圖1-2纏繞法基本原理與流程圖

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

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特征基因的選擇過程特征基因選擇的一般過程如下：（1）第一步：選取合適的方法從原始數(shù)據(jù)集中選擇一個特征子集；（2）第二步：根據(jù)具體研究對象選取度量指標并建立評價模型對選擇的特征子行分析評價；（2）第三步：將評價結(jié)果與設(shè)定目標閥值（準則）進行比較，若評價結(jié)....

圖3-1分類模型的一般過程

3基因表達譜數(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，樣本的分類問題是指通過建立模型對現(xiàn)有的樣本數(shù)據(jù)有監(jiān)督學(xué)習，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)則對未知類型的數(shù)據(jù)進行分類，目前，樣本分類是模式識別、圖形檢測、故障排查、疾病....

本文編號：4004251