目的:DNA微陣列技術通過同步追蹤大量基因的表達水平而得到基因表達譜數(shù)據(jù),廣泛應用于生物醫(yī)學各個領域�；虮磉_數(shù)據(jù)的一個重要研究方向就是腫瘤等重大遺傳性疾病的病理診斷與分類研究。腫瘤作為一種由特定基因序列和表達變異引起的疾病,其表達譜的出現(xiàn)為腫瘤學提供了一種全新的臨床研究手段。因此,本文對腫瘤基因表達數(shù)據(jù)進行挖掘研究,可以為腫瘤的早期診斷和臨床治療提供重要依據(jù)。方法:腫瘤基因表達譜具有樣本小、維度高、噪聲大、冗余多和非線性等特點,給現(xiàn)有的分析處理工作帶來了一定的挑戰(zhàn)。機器學習算法中支持向量機(support vector machine,SVM)處理高維非線性數(shù)據(jù)有獨特的優(yōu)勢。智能優(yōu)化算法一般不要求目標函數(shù)和約束的連續(xù)性與凸性,能很好的適應數(shù)據(jù)中的不確定性。因此,本文采用機器學習和智能優(yōu)化相關算法分析挖掘腫瘤基因表達數(shù)據(jù)。主要內(nèi)容包括:(1)基于基因表達數(shù)據(jù)中存在的大量無關基因和冗余基因,提出信息增益(information gain,IG)結合SVM的兩階段混合方法選擇信息基因。該方法采用IG去除腫瘤樣本中的大量無關基因,再利用SVM進一步約減數(shù)據(jù)中的冗余基因;(2)研究了粒子群優(yōu)化... 

【文章來源】：皖南醫(yī)學院安徽省

【文章頁數(shù)】：49 頁

【學位級別】：碩士

【部分圖文】：

基因芯片技術腫瘤基因表達譜的出現(xiàn)在腫瘤學基礎研究和臨床應用等方面有重要的意義[5]

建立一個超平面作為決策曲面，最大化正例和反例之夠有效處理高維非線性數(shù)據(jù)的機器學習算法，優(yōu)點表各種函數(shù)集中構造函數(shù)；（2）魯棒性：不需要微調(diào)；（各種實際問題；（4）計算簡單：方法的實現(xiàn)只需要利用論上比較完善：基于 VC 推廣理論的框架。基于此，，如數(shù)據(jù)的分類預測、回歸分析、圖像分割、手寫體識

PSO算法圖示

【參考文獻】：
期刊論文
[1]基于對稱不確定性和SVM遞歸特征消除的信息基因選擇方法[J]. 葉明全,高凌云,伍長榮,萬春圓.  模式識別與人工智能. 2017(05)
[2]腫瘤標志物在早期肝癌診斷中的價值[J]. 張瓊月,陳俊輝.  醫(yī)學綜述. 2016(01)
[3]特征交互lasso用于肝病分類[J]. 王金甲,盧陽.  生物醫(yī)學工程學雜志. 2015(06)
[4]An Unsupervised Feature Selection Algorithm with Feature Ranking for Maximizing Performance of the Classifiers[J]. Danasingh Asir Antony Gnana Singh,Subramanian Appavu Alias Balamurugan,Epiphany Jebamalar Leavline.  International Journal of Automation and Computing. 2015(05)
[5]腫瘤基因選擇方法LLE Score[J]. 李建更,逄澤楠,蘇磊,陳思遠.  北京工業(yè)大學學報. 2015(08)
[6]基于統(tǒng)計相關性與K-means的區(qū)分基因子集選擇算法[J]. 謝娟英,高紅超.  軟件學報. 2014(09)
[7]特征選擇方法與算法的研究[J]. 李敏,卡米力·木依丁.  計算機技術與發(fā)展. 2013(12)
[8]基于Map-Reduce的大數(shù)據(jù)缺失值填充算法[J]. 金連,王宏志,黃沈濱,高宏.  計算機研究與發(fā)展. 2013(S1)
[9]穩(wěn)定的特征選擇研究[J]. 李云.  微型機與應用. 2012(15)
[10]過濾特征基因選擇及演化硬件急性白血病分型[J]. 王進,丁凌,孫開偉,李鐘浩.  應用科學學報. 2012(03)

碩士論文
[1]模式分類中特征選擇算法研究[D]. 劉依戀.哈爾濱理工大學 2014
[2]穩(wěn)定的特征選擇算法研究[D]. 黃莎莎.南京郵電大學 2014
[3]模型選擇中的交叉驗證方法綜述[D]. 范永東.山西大學 2013
[4]集成特征選擇算法的研究[D]. 高蘇艷.南京郵電大學 2013



本文編號：2912414