在微陣列數(shù)據(jù)上利用統(tǒng)計機器學習方法進行基因表達水平上的腫瘤診斷有助于癌癥的早期發(fā)現(xiàn)和準確的判斷,進而在生命科學、醫(yī)學和信息科學引起了廣泛關注。自適應彈性網(wǎng)絡及其拓展模型能自適應地成群選擇基因,進而被成功地應用于癌癥診斷與關鍵基因篩選。然而,當樣本存在噪聲時,分類精度將會被噪聲嚴重影響。為了解決該問題,本文提出了 一種新型統(tǒng)計機器學習模型。具體地,該文有以下幾個貢獻:1、利用類間和類內(nèi)信息,提出了雙重加權機制,并據(jù)此構建了加權部分自適應彈性網(wǎng)絡模型,并基于R語言的glmnet工具包發(fā)展了其完全正則化解路算法,成功地抑制了噪聲對分類精度的影響;2、利用導數(shù)語言描述了機器學習模型在樣本加權意義下的自適應群體基因選擇效應,并利用求導的方法證明所提模型能激勵該效應;3、將所提模型和算法應用于三類癌癥診斷中去,成功地篩選出了癌癥相關基因。
【學位授予單位】：河南師范大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：R730.4;TP181

【參考文獻】

相關期刊論文 前2條

1 XU Chen;PENG ZhiMing;JING WenFeng;;Sparse kernel logistic regression based on L_(1/2) regularization[J];Science China(Information Sciences);2013年04期

2 李鈞濤;賈英民;;用于癌癥分類與基因選擇的一種改進的彈性網(wǎng)絡(英文)[J];自動化學報;2010年07期

 

本文編號：2378973