基于流形的半監(jiān)督特征基因選擇算法研究.pdf

1、特征選擇的目的在于選出能夠較好表示類別的相關(guān)特征構(gòu)成的優(yōu)質(zhì)特征子集，是克服“維數(shù)災(zāi)難”的一種數(shù)據(jù)預(yù)處理過(guò)程，本質(zhì)是一種降維技術(shù)。目前，特征選擇已廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)、圖像處理、文本挖掘、機(jī)器學(xué)習(xí)和基因表達(dá)譜數(shù)據(jù)分類等眾多領(lǐng)域。特征基因選擇則是特征選擇方法在基因表達(dá)譜數(shù)據(jù)的應(yīng)用，目的是找出最相關(guān)的致病基因，輔助診斷和治療疾病?；虮磉_(dá)譜數(shù)據(jù)具有“高維小樣本”特性，并且獲取其樣本標(biāo)簽的成本高昂，該數(shù)據(jù)存在大量沒(méi)有類別標(biāo)簽的樣本和少量的有類別

2、標(biāo)簽的樣本。
　　針對(duì)基因表達(dá)譜數(shù)據(jù)的上述特點(diǎn)，本文對(duì)其展開(kāi)了半監(jiān)督特征基因選擇算法的研究，通過(guò)充分挖掘有標(biāo)簽和無(wú)標(biāo)簽樣本數(shù)據(jù)的內(nèi)蘊(yùn)信息，提高其分類或聚類精度，以便日后能夠更好地應(yīng)用于醫(yī)學(xué)輔助診斷。所做工作如下：
　　(1)深入研究基于流形的半監(jiān)督降維框架和各種特征選擇算法，總結(jié)了實(shí)現(xiàn)半監(jiān)督特征選擇的一般方法，尤其是半監(jiān)督圖嵌入刻畫(huà)流形的具體方法；
　　(2)由于數(shù)據(jù)的局部結(jié)構(gòu)比全局結(jié)構(gòu)更有利于降維，而傳統(tǒng)的基于局部邊

3、界最大化準(zhǔn)則的特征選擇算法并未考慮數(shù)據(jù)分布的全局幾何結(jié)構(gòu)以及類別和特征之間的關(guān)系，基于半監(jiān)督流形學(xué)習(xí)、譜圖理論和信息論，本文提出了一種基于局部判別邊界最大化的半監(jiān)督特征選擇算法，簡(jiǎn)稱semiMM。并設(shè)計(jì)了一種半監(jiān)督特征選擇和半監(jiān)督分類實(shí)驗(yàn)環(huán)境設(shè)置方法，在五個(gè)基因譜表達(dá)數(shù)據(jù)集上進(jìn)行分類對(duì)比實(shí)驗(yàn)，結(jié)果表明semiMM具有很好的魯棒性和良好的分類精度。
　　(3)同樣從數(shù)據(jù)的局部結(jié)構(gòu)出發(fā)，由于歐氏距離不能合理刻畫(huà)呈現(xiàn)全局非線性結(jié)構(gòu)的數(shù)據(jù)