版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在生物信息學(xué)領(lǐng)域,DNA微陣列技術(shù)的出現(xiàn)是一個(gè)具有里程碑意義的重大技術(shù)突破。隨著研究的不斷深入,它已被廣泛應(yīng)用于藥物研究、基因測(cè)序等眾多領(lǐng)域,具有極高的應(yīng)用價(jià)值和廣闊的發(fā)展前景。然而在實(shí)際應(yīng)用中,DNA微陣列技術(shù)研究的基因組對(duì)象規(guī)模越來(lái)越大,特征維數(shù)也越來(lái)越高,最終獲得的基因表達(dá)數(shù)據(jù)不僅具有高維小樣本的特點(diǎn),還含有大量和樣本分類(lèi)無(wú)關(guān)或?qū)颖痉诸?lèi)作用很小的冗余基因和噪聲基因。基因表達(dá)數(shù)據(jù)的這些特點(diǎn)會(huì)提高機(jī)器學(xué)習(xí)的時(shí)間及空間復(fù)雜度,降低分類(lèi)
2、精度,最終在疾病診斷等實(shí)際應(yīng)用中會(huì)增加成本,降低疾病預(yù)測(cè)的準(zhǔn)確度。因此,為提高基因表達(dá)數(shù)據(jù)的分類(lèi)精度,本文從兩方面著手進(jìn)行研究:一方面對(duì)分類(lèi)算法進(jìn)行改進(jìn),另一方面通過(guò)提出有效的特征選擇方法以篩選出關(guān)鍵基因,剔除冗余和噪聲基因,降低基因特征維數(shù),提高機(jī)器學(xué)習(xí)效率。研究的主要內(nèi)容如下:
?。?)正則極限學(xué)習(xí)機(jī)(RELM)是在極限學(xué)習(xí)機(jī)(ELM)的基礎(chǔ)上提出來(lái)的,具有簡(jiǎn)單易用、分類(lèi)精度較高、泛化能力好等優(yōu)點(diǎn)。然而RELM的輸入層權(quán)值、
3、隱含層偏差是隨機(jī)給定的,會(huì)影響RELM的穩(wěn)定性。另外,RELM為了獲得較理想的分類(lèi)精度,仍需設(shè)置較多的隱層節(jié)點(diǎn)。針對(duì)此問(wèn)題,通過(guò)分析粒子群算法(PSO)的原理,把RELM初始產(chǎn)生的輸入層權(quán)值、隱含層偏差作為粒子帶入PSO進(jìn)行尋優(yōu),提出了一種粒子群改進(jìn)RELM(PSO-RELM)。在UCI數(shù)據(jù)集上的仿真實(shí)驗(yàn)表明,PSO-RELM相對(duì)BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)(SVM)、RELM具有更好的分類(lèi)精度和更佳的穩(wěn)定性。
(2)提出一種結(jié)合
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基因微陣列數(shù)據(jù)特征選擇與分類(lèi)方法研究.pdf
- 基因表達(dá)譜數(shù)據(jù)的特征選擇與分類(lèi)算法研究.pdf
- 基因表達(dá)數(shù)據(jù)的特征選擇及其分類(lèi)算法研究.pdf
- 面向基因微陣列數(shù)據(jù)分類(lèi)的混合特征選擇.pdf
- 基因表達(dá)譜數(shù)據(jù)特征選擇方法研究.pdf
- 基因表達(dá)數(shù)據(jù)分類(lèi)問(wèn)題中的特征選擇研究.pdf
- 基因表達(dá)譜數(shù)據(jù)特征選擇與提取方法研究.pdf
- 腫瘤基因表達(dá)譜數(shù)據(jù)特征選擇方法研究.pdf
- 面向圖像分類(lèi)的特征選擇方法.pdf
- 腫瘤基因表達(dá)譜分類(lèi)的特征基因選擇研究.pdf
- 基因表達(dá)譜數(shù)據(jù)的特征基因提取和分類(lèi)方法的研究.pdf
- 基因微陣列特征選擇與分類(lèi)方法研究.pdf
- 面向醫(yī)學(xué)數(shù)據(jù)的隨機(jī)森林特征選擇及分類(lèi)方法研究.pdf
- 基因表達(dá)譜數(shù)據(jù)的特征選擇方法應(yīng)用策略研究.pdf
- 基于基因表達(dá)譜的腫瘤分類(lèi)特征基因選擇研究.pdf
- 面向腫瘤檢測(cè)的生物表達(dá)數(shù)據(jù)特征選擇研究.pdf
- 面向高維數(shù)據(jù)挖掘的特征選擇方法研究.pdf
- 面向不平衡數(shù)據(jù)的特征選擇與半監(jiān)督分類(lèi)算法研究.pdf
- 面向高維異構(gòu)數(shù)據(jù)的特征選擇方法.pdf
- 基因分類(lèi)及基因表達(dá)數(shù)據(jù)分析方法的研究.pdf
評(píng)論
0/150
提交評(píng)論