單細(xì)胞RNA測序在發(fā)現(xiàn)細(xì)胞類型、識(shí)別細(xì)胞狀態(tài)、追蹤發(fā)育譜系、重建細(xì)胞空間組織等方面有著巨大的潛力。隨著單細(xì)胞測序技術(shù)的發(fā)展,測序的結(jié)果越來越細(xì)致,單次可測量的細(xì)胞越來越多,這些單細(xì)胞中蘊(yùn)含了豐富的信息,在分析和處理這些數(shù)據(jù)的過程中,有效降維就顯得更為重要。本文研究了當(dāng)前流行的單細(xì)胞數(shù)據(jù)降維算法t-SNE,并把線性降維算法PCA和兩種經(jīng)典的基于流形學(xué)習(xí)的降維算法LLE和MDS應(yīng)用到單細(xì)胞數(shù)據(jù)降維處理的過程中。并通過對(duì)四種算法的分析研究,提出一種結(jié)合降維方法。先用PCA對(duì)原始數(shù)據(jù)進(jìn)行降維,然后再分別用LLE,MDS和t-SNE進(jìn)行二次降維。本文首先從GEO數(shù)據(jù)庫中選取數(shù)據(jù),然后對(duì)數(shù)據(jù)進(jìn)行篩選和預(yù)處理,接下來使用Linnorm歸一化方法,統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn),然后對(duì)數(shù)據(jù)集進(jìn)行降維聚類處理,并計(jì)算ARI值。最后通過算法運(yùn)行時(shí)長和ARI值,比較四種算法的優(yōu)劣并進(jìn)行分析。本文選取了GEO數(shù)據(jù)庫中的一個(gè)公開數(shù)據(jù)集作為實(shí)證分析的處理數(shù)據(jù)集,此數(shù)據(jù)集包含六個(gè)樣本。本文首先使用四種降維算法對(duì)這六個(gè)樣本進(jìn)行降維,通過算法運(yùn)行時(shí)長和ARI值比較這四種降維算法的優(yōu)劣。然后針對(duì)這幾種算法存在的問題,通過算法結(jié)合的方式,對(duì)降...

【文章頁數(shù)】：48 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題來源
    1.2 課題研究背景
    1.3 國內(nèi)外研究現(xiàn)狀及分析
    1.4 主要研究內(nèi)容
第2章 降維算法簡介
    2.1 流形學(xué)習(xí)
    2.2 主成分分析
    2.3 t分布隨機(jī)鄰居嵌入
    2.4 多維縮放
    2.5 局部線性嵌入
    2.6 本章小結(jié)
第3章 數(shù)據(jù)處理流程
    3.1 數(shù)據(jù)歸一化
    3.2 數(shù)據(jù)降維
    3.3 聚類
    3.4 可視化分析及算法比較
    3.5 本章小結(jié)
第4章 實(shí)證分析
    4.1 數(shù)據(jù)集來源
    4.2 四種降維算法性能比較
    4.3 結(jié)合降維
        4.3.1 PCA和 LLE的結(jié)合降維
        4.3.2 PCA和 MDS的結(jié)合降維
        4.3.3 PCA和 t-SNE的結(jié)合降維
        4.3.4 總結(jié)
    4.4 結(jié)合后的降維算法性能比較
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝



本文編號(hào)：4013059