大腦是一個極其復雜的系統(tǒng),控制著各種生命活動,對大腦的全方位探索是人類的不懈追求�；诖竽X的結(jié)構(gòu)和功能連接信息構(gòu)建的腦網(wǎng)絡組圖譜是研究大腦的利器,而大腦各組織區(qū)域基因轉(zhuǎn)錄表達的差異決定著各腦區(qū)的組織連接和功能活動。因此通過對微觀的大腦轉(zhuǎn)錄組數(shù)據(jù)與宏觀的腦網(wǎng)絡組圖譜的融合研究,不僅可以在分子層面驗證腦網(wǎng)絡組圖譜亞區(qū)劃分的可靠性,而且可以發(fā)現(xiàn)主導腦區(qū)功能活動的驅(qū)動基因,對二者的聯(lián)合分析極大地推動了腦科學的發(fā)展。轉(zhuǎn)錄組數(shù)據(jù)是一種典型的高維小樣本數(shù)據(jù),數(shù)據(jù)的高維特性帶來了維數(shù)災難,導致計算復雜度的提高,阻礙了后續(xù)分析,解決維數(shù)災難常用的方法就是對數(shù)據(jù)進行降維處理。維數(shù)災難是個重要但是難解的問題,且沒有放之四海而皆準的解決方案,針對轉(zhuǎn)錄組數(shù)據(jù),還沒有人系統(tǒng)研究過合適的降維算法。本文根據(jù)轉(zhuǎn)錄組數(shù)據(jù)的特點,以及轉(zhuǎn)錄組和腦網(wǎng)絡組圖譜的融合研究中對特征可解釋性的需求,提出了適用于轉(zhuǎn)錄組數(shù)據(jù)的特征選擇準則,采用對特征評分排序的思想,基于不同的評價標準研究了多種特征選擇算法在轉(zhuǎn)錄組數(shù)據(jù)上的應用。通過運用特征選擇結(jié)合機器學習算法,本文以梭狀回數(shù)據(jù)為例,對轉(zhuǎn)錄組和腦網(wǎng)絡組圖譜融合的特征選擇算法和分類算法進行了驗... 

【文章來源】：電子科技大學四川省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

腦網(wǎng)絡組圖譜

工具箱主界面

第三章3.5本章小結(jié)特征降維是處理轉(zhuǎn)錄組這類高維小樣本數(shù)據(jù)集常用的解決方案，特征降維不僅可以減少數(shù)據(jù)的規(guī)模，降低無關(guān)特征對任務的影響，同時可以進一步提升模型第三章轉(zhuǎn)錄組數(shù)據(jù)維數(shù)災難的解決方案31圖3-4特征選擇功能界面

【參考文獻】：
期刊論文
[1]面向不平衡數(shù)據(jù)集的改進型SMOTE算法[J]. 王超學,張濤,馬春森.  計算機科學與探索. 2014(06)
[2]基于假設間隔的弱隨機特征子空間生成算法[J]. 李志亮,黃丹.  貴陽學院學報(自然科學版). 2012(03)
[3]數(shù)據(jù)降維方法分析與研究[J]. 吳曉婷,閆德勤.  計算機應用研究. 2009(08)
[4]高維數(shù)據(jù)特征降維研究綜述[J]. 胡潔.  計算機應用研究. 2008(09)

碩士論文
[1]基于腦網(wǎng)絡組圖譜的轉(zhuǎn)錄組分析軟件開發(fā)與應用研究[D]. 張錦鋒.電子科技大學 2018



本文編號：3611559