基于降維的基因表達數(shù)據(jù)分類算法研究.pdf

1、利用基因芯片技術(shù)能夠做到同時對多到數(shù)以萬計的基因進行并行分析，隨著該技術(shù)越來越成熟并得到廣泛應(yīng)用，現(xiàn)在已經(jīng)有越來越多的基因表達數(shù)據(jù)測定出來，亟需處理，借助于計算機工具以及機器學(xué)習(xí)方法對這些大量數(shù)據(jù)進行分析是現(xiàn)在一個很重要的研究領(lǐng)域。其中，對基因表達數(shù)據(jù)的分類研究是該領(lǐng)域的一個熱點，通過分類能夠幫助研究者發(fā)現(xiàn)正常細胞組織與疾病組織之間基因的本質(zhì)差異，識別致病基因，對基因型疾病的臨床診斷和治療具有重要的意義。
　　基因表達數(shù)據(jù)具有“樣

2、本少、維數(shù)高、分布不平衡”的特點，這給分類帶來了很多的困難和挑戰(zhàn)。目前解決此問題的一個有效方法是在分類前對高維數(shù)據(jù)進行特征提取和降維，以達到去除與分類無關(guān)的基因、降低計算復(fù)雜度、提高分類準(zhǔn)確率的目的。
　　本文首先分別用PCA、ReliefF、LLE和Isomap幾種降維算法對原始數(shù)據(jù)進行降維，然后對降維后的基因表達數(shù)據(jù)用樸素貝葉斯分類算法進行分類，并通過分類結(jié)果比較了不同降維方法的性能。然后在此基礎(chǔ)上，本文提出了RLLE(rel

3、evant component based LLE)降維算法，把ReliefF特征提取與LLE降維相結(jié)合，試驗結(jié)果表明，RLLE算法的降維效果要好于傳統(tǒng)的幾種降維方法。
　　Alex Rodriguez，Alessandro Laio提出的“基于快速尋找密度峰值的聚類算法”是一種很簡潔且聚類效果很好的聚類算法，但是該算法對“樣本少，維數(shù)高”的基因表達數(shù)據(jù)的聚類效果并不是很好，不能分離出正確數(shù)目的類中心。本文采用mRMR特征提取算法