【摘要】：目的針對(duì)高維冗余的SELDI蛋白質(zhì)質(zhì)譜數(shù)據(jù),提出一種基于聚類分析和半監(jiān)督學(xué)習(xí)的數(shù)據(jù)分類方法。方法算法首先運(yùn)用t-test對(duì)蛋白質(zhì)質(zhì)譜數(shù)據(jù)進(jìn)行初步降維;然后將處理后的數(shù)據(jù)用聚類分析算法進(jìn)行進(jìn)一步降維;最后運(yùn)用半監(jiān)督學(xué)習(xí)算法傳遞標(biāo)簽,充分提取有標(biāo)記樣本和無標(biāo)記樣本的信息,從而進(jìn)行分類。結(jié)果在公共卵巢癌數(shù)據(jù)集OC-WCX2b和公共前列腺癌數(shù)據(jù)集PC-H4上獲得了99.15%和96.75%分類準(zhǔn)確率。在浙江省腫瘤醫(yī)院臨床乳腺癌數(shù)據(jù)集BC-WCX2a上獲得了95.18%的分類準(zhǔn)確率和100%的敏感性。結(jié)論基于聚類分析的半監(jiān)督學(xué)習(xí)方法能夠有效利用未標(biāo)記的質(zhì)譜樣本信息,與經(jīng)典的監(jiān)督學(xué)習(xí)算法相比,其分類性能更理想、實(shí)用性更好。
[Abstract]:Aim to propose a data classification method based on clustering analysis and semi-supervised learning for high dimensional redundant SELDI protein mass spectrometry data. Methods at first, t-test was used to reduce the dimension of protein mass spectrum data, and then the processed data was further reduced by cluster analysis algorithm. Finally, semi-supervised learning algorithm is used to transfer labels and extract the information of labeled samples and unmarked samples, so as to classify. Results the classification accuracy was 99.15% and 96.75% in OC-WCX2b and PC-H4 respectively. The classification accuracy and sensitivity were 95.18% and 100% respectively on the clinical breast cancer data set BC-WCX2a of Zhejiang Cancer Hospital. Conclusion the semi-supervised learning method based on clustering analysis can effectively utilize unlabeled mass spectrum sample information. Compared with the classical supervised learning algorithm, its classification performance is better and its practicability is better.
【作者單位】： 杭州電子科技大學(xué)生命信息與儀器工程學(xué)院;
【基金】：國家自然科學(xué)基金(60801054,61205200) 浙江省自然科學(xué)基金(LY12F01005)
【分類號(hào)】：R318.04

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 劉軍蓮;李勇枝;高建義;蓋玉清;王靜;薛春美;辛冰牧;;蛋白質(zhì)組學(xué)技術(shù)研究進(jìn)展[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2009年02期

2 王雪松;張曉麗;程玉虎;;一種簡潔局部全局一致性學(xué)習(xí)[J];控制與決策;2011年11期

3 羅凱旋;鐘凡;趙亮;賀福初;;評(píng)估幾種降維分類器應(yīng)用于生物質(zhì)譜數(shù)據(jù)的性能[J];中國科學(xué):生命科學(xué);2010年06期

4 游曉璐;祝磊;曹凱敏;韓斌;;基于多步降維和半監(jiān)督學(xué)習(xí)的蛋白質(zhì)質(zhì)譜特征提取算法[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2013年04期

5 楊合龍;祝磊;韓斌;厲力華;鄭智國;孟旭莉;;運(yùn)用近鄰傳播聚類分析進(jìn)行SELDI-TOF蛋白質(zhì)譜特征選擇[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2013年01期

【共引文獻(xiàn)】

相關(guān)期刊論文 前9條

1 周揚(yáng);戴曙光;葛丁飛;;近紅外光譜稀疏分量分析檢測柴油品質(zhì)參數(shù)[J];光學(xué)精密工程;2014年02期

2 游曉璐;祝磊;曹凱敏;韓斌;;基于多步降維和半監(jiān)督學(xué)習(xí)的蛋白質(zhì)質(zhì)譜特征提取算法[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2013年04期

3 朱宇光;閆婷;張建明;楊雄;胡維禮;;一種基于反饋模糊圖論的視頻多語義標(biāo)注算法[J];計(jì)算機(jī)科學(xué);2013年12期

4 吳永波;薛建輝;李百煉;;植物應(yīng)答高溫和干旱脅迫組學(xué)研究進(jìn)展[J];科技導(dǎo)報(bào);2014年13期

5 趙楠;王桂媛;王玲姝;楊雪;李玉花;;蛋白質(zhì)組學(xué)關(guān)鍵技術(shù)研究進(jìn)展[J];生物技術(shù)通訊;2011年04期

6 趙志梅;;基于代理模型和人工免疫系統(tǒng)的特征選擇算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年06期

7 周東輝;趙付榮;袁子國;朱興全;林瑞慶;;蛋白質(zhì)組學(xué)研究技術(shù)及其在弓形蟲研究中的應(yīng)用[J];畜牧與獸醫(yī);2011年02期

8 譽(yù)倩文;袁建輝;唐煥文;;血清蛋白質(zhì)組技術(shù)及其在預(yù)防醫(yī)學(xué)中應(yīng)用[J];中國職業(yè)醫(yī)學(xué);2013年03期

9 張晨光;張燕;張夏歡;;從希爾伯特-施密特獨(dú)立性中學(xué)習(xí)的多標(biāo)簽半監(jiān)督學(xué)習(xí)方法[J];中國科技論文;2013年10期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 李偉紅;龔衛(wèi)國;陳偉民;梁毅雄;尹克重;;基于SVM RFE的人臉特征選擇方法[J];光電工程;2006年05期

2 劉軍蓮;李勇枝;高建義;蓋玉清;王靜;薛春美;辛冰牧;;蛋白質(zhì)組學(xué)技術(shù)研究進(jìn)展[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2009年02期

3 王堯佳;祝磊;韓斌;厲力華;鄭智國;牟瀚舟;;基于遞歸零空間線性判別分析算法的蛋白質(zhì)質(zhì)譜數(shù)據(jù)特征選擇[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2010年05期

4 王雪松;張曉麗;程玉虎;;一種簡潔局部全局一致性學(xué)習(xí)[J];控制與決策;2011年11期

5 羅凱旋;鐘凡;趙亮;賀福初;;評(píng)估幾種降維分類器應(yīng)用于生物質(zhì)譜數(shù)據(jù)的性能[J];中國科學(xué):生命科學(xué);2010年06期

6 孟輝;洪文學(xué);;蛋白質(zhì)組學(xué)質(zhì)譜數(shù)據(jù)預(yù)處理技術(shù)綜述[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2009年03期

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 游曉璐;祝磊;曹凱敏;韓斌;;基于多步降維和半監(jiān)督學(xué)習(xí)的蛋白質(zhì)質(zhì)譜特征提取算法[J];航天醫(yī)學(xué)與醫(yī)學(xué)工程;2013年04期

相關(guān)會(huì)議論文 前10條

1 柳斌;李之棠;涂浩;;基于半監(jiān)督學(xué)習(xí)的應(yīng)用流分類方法[A];2010年全國開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集[C];2010年

2 葛薦;馬廷淮;;基于集成算法的半監(jiān)督學(xué)習(xí)研究[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（B輯）（NDBC2012）[C];2012年

3 趙玲玲;周水生;王雪巖;;基于集成算法的半監(jiān)督學(xué)習(xí)[A];第十四屆全國信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

4 谷方明;劉大有;王新穎;;基于半監(jiān)督學(xué)習(xí)的加權(quán)支持向量域數(shù)據(jù)描述方法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

5 馮瑞;宋春林;;一種基于局部學(xué)習(xí)的復(fù)雜系統(tǒng)建模方法[A];2007中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

6 陳耀東;王挺;陳火旺;;半監(jiān)督學(xué)習(xí)和主動(dòng)學(xué)習(xí)相結(jié)合的淺層語義分析[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

7 邱慧寧;黃劍;陳羽;賴劍煌;;基于UDP的半監(jiān)督學(xué)習(xí)及其在人臉識(shí)別的應(yīng)用[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

8 楊源;馬云龍;林鴻飛;;基于權(quán)重標(biāo)準(zhǔn)化SimRank與半監(jiān)督學(xué)習(xí)的產(chǎn)品屬性歸類[A];中國計(jì)算語言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

9 王倩影;馮國燦;湯鑫;;δ-距離及其在半監(jiān)督增強(qiáng)中的應(yīng)用[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

10 林良憲;利德江;蔡孟璇;邱政賢;;針對(duì)小樣本分類的半監(jiān)督式學(xué)習(xí)法[A];第25屆全國灰色系統(tǒng)會(huì)議論文集[C];2014年

相關(guān)博士學(xué)位論文 前10條

1 唐曉亮;基于神經(jīng)網(wǎng)絡(luò)的半監(jiān)督學(xué)習(xí)方法研究[D];大連理工大學(xué);2009年

2 徐雪;樣本的幾何信息在半監(jiān)督學(xué)習(xí)中的應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2010年

3 孔怡青;半監(jiān)督學(xué)習(xí)及其應(yīng)用研究[D];江南大學(xué);2009年

4 蘭遠(yuǎn)東;基于圖的半監(jiān)督學(xué)習(xí)理論、算法及應(yīng)用研究[D];華南理工大學(xué);2012年

5 余國先;高維數(shù)據(jù)上的半監(jiān)督學(xué)習(xí)研究[D];華南理工大學(xué);2013年

6 潘俊;基于圖的半監(jiān)督學(xué)習(xí)及其應(yīng)用研究[D];浙江大學(xué);2011年

7 王嬌;多視圖的半監(jiān)督學(xué)習(xí)研究[D];北京交通大學(xué);2010年

8 桂杰;基于圖的半監(jiān)督學(xué)習(xí)和維數(shù)約簡方法及其應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2010年

9 薛貞霞;支持向量機(jī)及半監(jiān)督學(xué)習(xí)中若干問題的研究[D];西安電子科技大學(xué);2009年

10 呂佳;基于局部學(xué)習(xí)的半監(jiān)督分類問題研究[D];內(nèi)蒙古大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 劉偉濤;半監(jiān)督學(xué)習(xí)方法及應(yīng)用研究[D];山東大學(xué);2011年

2 陳新勇;基于核策略的半監(jiān)督學(xué)習(xí)方法研究[D];河北大學(xué);2010年

3 馮元佶;基于圖的半監(jiān)督學(xué)習(xí)的改進(jìn)研究[D];湘潭大學(xué);2010年

4 黃明明;半監(jiān)督學(xué)習(xí)方法研究及在警用平臺(tái)中的應(yīng)用[D];大連理工大學(xué);2010年

5 易星;半監(jiān)督學(xué)習(xí)若干問題的研究[D];清華大學(xué);2004年

6 余養(yǎng)強(qiáng);半監(jiān)督學(xué)習(xí)若干問題的研究[D];福建師范大學(xué);2010年

7 梁，

本文編號(hào)：2427574