基于機器學習的DNA微陣列數(shù)據分析.pdf

1、在醫(yī)學領域，確定癌癥的種類及其不同階段對于選擇相應的臨床治療極為重要，而常規(guī)的方法存在很大的局限性。由于惡性腫瘤的發(fā)生、發(fā)展及實驗轉歸都伴有復雜的基因表達譜變化，因此通過微陣列實驗中基因表達數(shù)據的獲取為癌癥診斷和預測提供了新的手段。 在基因表達譜數(shù)據獲取過程中，基因表達譜數(shù)據含有較大的實驗誤差。同時，由于實驗成本較高，樣本的數(shù)目一般為幾十或上百例，而檢測基因的數(shù)目往往高達幾千甚至幾萬，其中含有大量無關的檢測基因，是典型的高維、高

2、噪問題。另一方面，由于功能相似的基因的表達高度相關，因此存在大量的冗余基因。如何找出對疾病有鑒別作用的基因或疾病相關基因，對提高腫瘤診斷準確性具有重大的意義。 為此，本文主要研究和探索了DNA微陣列芯片數(shù)據的特征提取和選擇技術以及分類器的選擇和改進。全文的主要工作包括以下兩個方面：一是提出新的基因選擇或特征提取算法，選出疾病相關基因(特征)，組成有效的特征子集，實現(xiàn)降維，去除冗余的基因(特征)，包括： 1.小波變換特征提

3、取算法。先用t檢驗對訓練集做預處理，將高維矩陣初步降維，再進行一維離散小波變換。用最大模值法從細節(jié)系數(shù)中挑選出一部分，與近似系數(shù)相結合，得到降維后的特征子集。 2.核方法特征提取算法。先用，檢驗對訓練集做預處理，得到一個基因子集，用核方法處理該子集，得到降維后的特征子集。 3.支持向量機基因選擇算法。首先采用wilcoxon rank sum檢驗對訓練集做預處理，再用支持向量機對基因子集中的每個基因進行訓練和測試，得到相