機器學(xué)習(xí)算法中變量選擇方法及其在模式識別中的應(yīng)用.pdf

1、隨著人類獲取信息能力的飛速發(fā)展，機器學(xué)習(xí)算法在科研和工程的各個領(lǐng)域得到了廣泛的應(yīng)用，涉及到化工生產(chǎn)統(tǒng)計過程控制、考古學(xué)的文本識別、社會和刑偵領(lǐng)域的指紋和圖像識別以及生物醫(yī)學(xué)領(lǐng)域的基因組信息研究等。面對日益增加的大數(shù)據(jù)，迫切需要高效和高準(zhǔn)確率等綜合性能較好的變量選擇方法，以刪除信噪比低和冗余變量的干擾，提高機器學(xué)習(xí)算法在模式識別領(lǐng)域的精度和效率。我們以非小細(xì)胞肺癌（non-small cell lung cancer，NSCLC）亞型的組

2、織學(xué)和人類細(xì)胞中的snoRNAs的識別為背景，探討不同的變量選擇方法來提高分類精度。
　　隨著生物信息技術(shù)高速發(fā)展，已經(jīng)運用高通量技術(shù)得到大量的生物醫(yī)學(xué)實驗數(shù)據(jù)，如何利用機器學(xué)習(xí)算法來研究生物數(shù)據(jù)，解決生物模式識別問題是目前的當(dāng)務(wù)之急。非小細(xì)胞肺癌子類主要是肺腺癌(lung adenocarcinoma，ADC，58.8％)和鱗狀細(xì)胞癌(squamous cell carcinoma，SCC，31.2％)，識別非小細(xì)胞肺癌子類組織

3、學(xué)分類的特征基因?qū)Ψ切〖?xì)胞肺癌的機理分析和治療方案選擇極其重要;為了研究ADC與SCC各種不同特性的關(guān)鍵機理，我們聯(lián)合彈性網(wǎng)絡(luò)、最小二乘和貝葉斯分類器等算法基于TCGA數(shù)據(jù)庫中三種數(shù)據(jù)（基因表達數(shù)據(jù)、甲基化數(shù)據(jù)和拷貝變異數(shù)據(jù)）建立分類器識別特征基因集。
　　對于snoRNAs(small nucleolar RNA)來說，識別snoRNAs對了解snoRNAs和其他RNA等生物生命活動有著重要的意義。首先利用多種特征提取算法從有限