降維方法對(duì)基因表達(dá)數(shù)據(jù)分類效果的優(yōu)化研究.pdf

1、DNA微陣列的提出對(duì)生物學(xué)和醫(yī)學(xué)產(chǎn)生了革命性的影響。通過(guò)運(yùn)用微陣列技術(shù)，生物學(xué)家可以大規(guī)模提取DNA和RNA信息，進(jìn)而得到包含成千上萬(wàn)基因的表達(dá)數(shù)據(jù)——基因表達(dá)數(shù)據(jù)，這些數(shù)據(jù)中蘊(yùn)含了能夠揭開生命奧秘的大量信息。如何從海量數(shù)據(jù)中提取有效的信息已經(jīng)成為DNA微陣列研究的重點(diǎn)內(nèi)容。由于基因表達(dá)數(shù)據(jù)具有高維、小樣本和非線性等特點(diǎn)，因此降低數(shù)據(jù)維數(shù)并且選擇一種適用于非線性小樣本數(shù)據(jù)集的機(jī)器學(xué)習(xí)方法成為提高基因表達(dá)數(shù)據(jù)挖掘成功率的關(guān)鍵。
　　

2、 為了克服基因表達(dá)數(shù)據(jù)維數(shù)高、樣本少、非線性的特點(diǎn)，本文將降維方法應(yīng)用到基因表達(dá)數(shù)據(jù)上，并選擇支持向量機(jī)(Support Vector Machine，SVM)對(duì)降維后的數(shù)據(jù)進(jìn)行分類，有效地提高了分類的準(zhǔn)確率。支持向量機(jī)基于統(tǒng)計(jì)學(xué)習(xí)理論，采用了結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，能夠在一定程度上克服小樣本學(xué)習(xí)問(wèn)題的困難，其核函數(shù)思想將非線性空間的問(wèn)題轉(zhuǎn)換到線性空間，極大地降低了算法的復(fù)雜度。
　　 本文的研究將側(cè)重于不同降維方法對(duì)于提高數(shù)據(jù)分