為了探索關(guān)于人類自身的編碼而啟動的人類基因組計劃經(jīng)過近三十年的努力已基本完成。隨之而來產(chǎn)生了大量的生物分子數(shù)據(jù),這些高維的數(shù)據(jù)內(nèi)具有豐富的信息,其背后隱藏著人類尚未充分了解的關(guān)于自身的知識。利用數(shù)學(xué)、統(tǒng)計學(xué)與計算機科學(xué)相關(guān)方法幫助生物學(xué)家從海量信息中發(fā)現(xiàn)有價值的信息,促進人類醫(yī)學(xué)研究領(lǐng)域的進步,這一迫切需求促進了生物信息學(xué)這一學(xué)科的快速發(fā)展。cDNA微陣列和寡核苷酸芯片等高通量檢測技術(shù)應(yīng)用至今已經(jīng)積累了大量來自不同平臺的數(shù)據(jù),從現(xiàn)有數(shù)據(jù)中得到分類模式并應(yīng)用于新的樣本對基因表達數(shù)據(jù)挖掘工作具有重要意義。由于基因表達數(shù)據(jù)集的大都具有小樣本,高維度的特性,在同一個平臺上的少數(shù)樣本數(shù)據(jù)相對于高維特征來講是極其有限的。數(shù)據(jù)集樣本數(shù)量的稀疏性在與特征的高維度性相疊加造成了維度災(zāi)難,導(dǎo)致難以從單個小樣本數(shù)據(jù)集上提取魯棒的關(guān)鍵信息。如果能夠?qū)EO多個平臺上的基因表達數(shù)據(jù)結(jié)合起來,通過增大樣本數(shù)據(jù)量緩和維度災(zāi)難問題,這對于相關(guān)的研究工作是十分有益的。然而基因表達數(shù)據(jù)所涉及到的生物學(xué)實驗是一個多步驟的復(fù)雜過程,由于其中生物樣本的來源、芯片制作所采用的技術(shù)手段、設(shè)備標(biāo)準(zhǔn)的不同,多個平臺的基因表達數(shù)據(jù)之間存... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【部分圖文】：

主成分分析線性變換[29]

圖 2-3 二分類結(jié)果示意圖[32]Fig 2-3 Binary classification result[32]分類問題，將 TP 定義為正確分類的正類樣本個數(shù)，F(xiàn)N 定義為錯誤標(biāo)簽為正類的樣本個數(shù)；TN 定義為正確分類的負(fù)類樣本個數(shù)， FP正類而真實標(biāo)簽為負(fù)類的樣本個數(shù)。則準(zhǔn)確率、召回率、精確度 F1方法如下。（Accuracy）評估的是樣本集中的每一個樣本是否被正確分類，定義Accuracy=(TP+TN)/(TP+FN+TN+FP)（Recall）評估的是測試集中的正類樣本是否被正確分類，召回率計Recall=TP/(TP+FN)（Precision）評估的是測試集中被預(yù)測為正類的樣本是否正確，精確

廣東工業(yè)大學(xué)碩士學(xué)位論文 ，輸入數(shù)據(jù)對應(yīng)的標(biāo)簽為 ，則邏輯回歸模型的數(shù)學(xué)： ( ) 邏輯回歸將任意范圍內(nèi)的輸入映射為值域為[0,1]的概率值，如圖 4-3，根據(jù)輸 ( )的值判定輸入數(shù)據(jù)屬于正類或負(fù)類，若 ( ) ，則 一般取值為 0.5。

【參考文獻】：
期刊論文
[1]半監(jiān)督集成學(xué)習(xí)綜述[J]. 蔡毅,朱秀芳,孫章麗,陳阿嬌.  計算機科學(xué). 2017(S1)
[2]基于最大間隔的基因表達規(guī)則篩選[J]. 蔡瑞初,王美華,郝志峰,溫雯.  計算機工程與應(yīng)用. 2011(26)

碩士論文
[1]基于信息熵的改進k-TSP方法及其在癌癥分類中的應(yīng)用[D]. 周純葆.吉林大學(xué) 2009



本文編號：2982854