在生物學(xué)的許多領(lǐng)域中,常用機(jī)器學(xué)習(xí)算法來(lái)建立模型,以便從多元分析數(shù)據(jù)中識(shí)別生物樣本的類型或狀態(tài)。機(jī)器學(xué)習(xí)算法建立的模型本質(zhì)上是進(jìn)行模式識(shí)別,有時(shí)更正式地稱為多元分類。在代謝組學(xué)中,這種模型長(zhǎng)期被用來(lái)證明樣本類之間存在客觀的生物化學(xué)差異。這通常被用來(lái)證明一個(gè)假設(shè),但也可以被認(rèn)為是自動(dòng)化的未知樣本分類的第一步,或者識(shí)別可以作為新診斷試驗(yàn)基礎(chǔ)的生物標(biāo)記物。有大量的機(jī)器學(xué)習(xí)方法,包括偏最小二乘判別分析（PLS-DA）,人工神經(jīng)網(wǎng)絡(luò)（ANN）,極限學(xué)習(xí)（ELM）和支持向量機(jī)（SVM）。在代謝組學(xué)領(lǐng)域,PLS-DA長(zhǎng)期占據(jù)主導(dǎo)地位,以至于一些研究者完全沒(méi)有意識(shí)到還可以用其他更好的方案。事實(shí)上,其他方法已經(jīng)取得飛速進(jìn)展,特別是支持向量機(jī)在代謝組學(xué)中的應(yīng)用已被證明超越PLS-DA。相對(duì)于傳統(tǒng)的化學(xué)計(jì)量學(xué)方法,支持向量機(jī)對(duì)具有高復(fù)雜度邊界的線性和非線性預(yù)測(cè)模型的支持的這一優(yōu)勢(shì),剛好可以處理具有極其復(fù)雜性質(zhì)的代謝組學(xué)數(shù)據(jù)。在本研究中,代謝組數(shù)據(jù)選用的是使用戊四唑（治療組）和生理鹽水（對(duì)照組）治療四周的小鼠在治療期結(jié)束之后收集的尿液,提取出腦區(qū),提取出代謝產(chǎn)物,并使用NMR分析的樣本。我們將傳統(tǒng)的PLS-D... 

【文章頁(yè)數(shù)】：43 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１基本神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??

圖２．?２極限學(xué)習(xí)機(jī)結(jié)構(gòu)??Ｆｉｇ?２．２?Ｅｘｔｒｅｍｅ?Ｌｅａｒｎｉｎｇ?Ｍａｃｈｉｎｅ?Ｓｔｒｕｃｔｕｒｅ??

圖３．１結(jié)構(gòu)風(fēng)險(xiǎn)最小化??Ｆｉｇ?３．１?Ｓｔｒｕｃｔｕｒａｌ?Ｒｉｓｋ?Ｍｉｎｉｍｉｚａｔｉｏｎ??為了實(shí)現(xiàn)ＳＲＭ原則，我們會(huì)使用一下兩種方法：（１）求每個(gè)子集的最小經(jīng)驗(yàn)風(fēng)??

【參考文獻(xiàn)】：
期刊論文
[1]機(jī)器學(xué)習(xí)概述[J]. 李煒.  科技視界. 2017(12)
[2]R語(yǔ)言在統(tǒng)計(jì)分析中的使用技巧[J]. 劉二鋼,馬建強(qiáng).  電腦知識(shí)與技術(shù). 2017(01)
[3]基于深層神經(jīng)網(wǎng)絡(luò)（DNN）的漢語(yǔ)方言種屬語(yǔ)音識(shí)別[J]. 景亞鵬,鄭駿,胡文心.  華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(01)
[4]代謝組學(xué)中機(jī)器學(xué)習(xí)研究進(jìn)展[J]. 白天,周春光,王喆,王巖.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2008(02)
[5]基于反向傳播算法神經(jīng)網(wǎng)絡(luò)的信用評(píng)分系統(tǒng)預(yù)測(cè)力研究[J]. 朱曉明,程建,劉治國(guó),鐘經(jīng)樊.  西安交通大學(xué)學(xué)報(bào). 2006(12)
[6]機(jī)器學(xué)習(xí)在生物信息學(xué)中的應(yīng)用[J]. 張曉龍,楊艷霞.  武漢科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2005(02)
[7]誤差反向傳播算法與信噪分離[J]. 王忠勇,陳恩慶,葛強(qiáng),史小軍.  河南科學(xué). 2002(01)
[8]前饋神經(jīng)網(wǎng)絡(luò)中的反向傳播算法及其改進(jìn):進(jìn)展與展望[J]. 劉曙光,鄭崇勛,劉明遠(yuǎn).  計(jì)算機(jī)科學(xué). 1996(01)

博士論文
[1]基于非線性方法和VaR的均線交易系統(tǒng)研究[D]. 吳亞軍.哈爾濱工業(yè)大學(xué) 2014
[2]支持向量機(jī)特征選擇中的Lp正則化方法研究[D]. 姚蘭.湖南大學(xué) 2014
[3]孿生支持向量機(jī)關(guān)鍵問(wèn)題的研究[D]. 黃華娟.中國(guó)礦業(yè)大學(xué) 2014
[4]基于優(yōu)化機(jī)器學(xué)習(xí)算法的模擬電路故障診斷研究[D]. 李晴.湖南大學(xué) 2013
[5]基于多種分析技術(shù)的代謝組學(xué)方法研究與應(yīng)用[D]. 張小麗.蘭州大學(xué) 2013
[6]基于支持向量機(jī)的金融時(shí)間序列分析預(yù)測(cè)算法研究[D]. 鮑漪瀾.大連海事大學(xué) 2013
[7]基于機(jī)器學(xué)習(xí)的盾構(gòu)姿態(tài)調(diào)整決策方法研究[D]. 郭正剛.大連理工大學(xué) 2013
[8]基于支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷與預(yù)測(cè)方法研究[D]. 朱霄珣.華北電力大學(xué) 2013
[9]集合型故障檢測(cè)與診斷技術(shù)研究[D]. 楊青.長(zhǎng)春理工大學(xué) 2013
[10]面向智能決策問(wèn)題的機(jī)器學(xué)習(xí)方法研究[D]. 陳慧靈.吉林大學(xué) 2012

碩士論文
[1]基于機(jī)器學(xué)習(xí)的聲源定位研究[D]. 楊悅.南京郵電大學(xué) 2017
[2]基于R語(yǔ)言的綜采工作面瓦斯?jié)舛阮A(yù)測(cè)研究[D]. 加茸茸.西安科技大學(xué) 2017
[3]基于機(jī)器學(xué)習(xí)的癌癥診斷方法研究[D]. 劉奕.湖北工業(yè)大學(xué) 2017
[4]基于機(jī)器學(xué)習(xí)的車牌識(shí)別算法研究[D]. 杜偉.沈陽(yáng)師范大學(xué) 2017
[5]基于支持向量機(jī)的不平衡數(shù)據(jù)分類算法研究[D]. 劉東啟.浙江大學(xué) 2017
[6]基于優(yōu)化的偏最小二乘—判別分析和核磁共振波譜的肺癌血清代謝組學(xué)研究[D]. 李亞瓊.華中師范大學(xué) 2014
[7]基于支持向量機(jī)的特征選擇算法研究[D]. 嚴(yán)康.大連理工大學(xué) 2010
[8]基于R語(yǔ)言的空間統(tǒng)計(jì)分析研究與應(yīng)用[D]. 楊中慶.暨南大學(xué) 2006



本文編號(hào)：3714670