基于SVM和AdaBoost的腫瘤基因表達(dá)譜分類研究.pdf

1、腫瘤是世界上危及人類身體健康的主要惡性疾病之一。腫瘤的早期發(fā)現(xiàn)，對(duì)病人的治療有著非常重要的意義?；蛐酒夹g(shù)的出現(xiàn)和發(fā)展，促進(jìn)了腫瘤在分子水平上的研究。從海量的腫瘤基因表達(dá)譜數(shù)據(jù)中，挖掘出有用的相關(guān)知識(shí)和信息，可以更加全面地認(rèn)識(shí)腫瘤的基因本質(zhì)，更加深入地了解腫瘤與基因之間的關(guān)系，對(duì)推進(jìn)腫瘤的臨床診斷和治療和研制新藥物有著至關(guān)重要的作用。
　　本文針對(duì)腫瘤基因表達(dá)譜數(shù)據(jù)小樣本、高維數(shù)、非線性等特點(diǎn)，基于機(jī)器學(xué)習(xí)中Co-trainin

2、g的思想，建立了以AdaBoost算法為基礎(chǔ)，分別級(jí)聯(lián)了SVM分類算法和單基因弱分類算法的模型。在通常情況下，影響學(xué)習(xí)和分類效果的主要是被錯(cuò)誤分類的樣本，AdaBoost-SVM算法通過重點(diǎn)訓(xùn)練被分類器錯(cuò)誤分類的樣本來減少錯(cuò)誤分類率；主要思路是：AdaBoost-SVM重點(diǎn)標(biāo)記被錯(cuò)誤分類的樣本權(quán)重，并且在反復(fù)迭代中多次學(xué)習(xí)該類樣本，以減少被錯(cuò)誤分類的樣本個(gè)數(shù)，從而達(dá)到降低錯(cuò)誤分類率的目的。
　　經(jīng)過對(duì)真實(shí)的結(jié)腸癌基因表達(dá)譜數(shù)據(jù)進(jìn)行