基于JEP的癌癥分類算法研究.pdf

1、分類是數(shù)據(jù)挖掘和機器學(xué)習(xí)領(lǐng)域的一個重要問題，目的是通過訓(xùn)練數(shù)據(jù)集構(gòu)建一個分類器來預(yù)測新的實例類別。近年來，DNA微陣列的發(fā)展為很多領(lǐng)域提供了一種高維數(shù)據(jù)，主要應(yīng)用于癌癥診斷和預(yù)測。跳躍顯露模式(Jumping EmergingPattern，JEP)是一種區(qū)分能力強的特殊模式，在分類方面有很明顯的優(yōu)越性。隨著DNA微陣列和基因模式的快速發(fā)展，本文提出一種基于JEP的癌癥分類算法。為了進一步提高癌癥分類準(zhǔn)確率，本文還研究了基于JEP癌癥分

2、類的組合分類算法，這在生物學(xué)、醫(yī)學(xué)領(lǐng)域具有重要的研究價值和實際意義。
　　 本論文主要從基因表達(dá)數(shù)據(jù)的分析著手，其主要工作歸納如下：
　　 一、對基因表達(dá)數(shù)據(jù)進行預(yù)處理，DNA微陣列產(chǎn)生的數(shù)據(jù)具有高維性，有很多噪聲，本文采用基于信息熵的離散化方法將連續(xù)屬性離散化，依據(jù)最小長度原則找出基因的分割點，計算熵值，篩選出分類特征基因。熵值越小，特征基因分類能力越強。這種離散化方法可以有效消除噪聲數(shù)據(jù)的影響。
　　 二、提

3、出一種更具鑒別能力的基因模式，稱為增強跳躍顯露模式(IJEP)，這種模式滿足增長率趨近無窮大，且任何子集都不是IJEP的條件。提取IJEP的特征基因是通過基于信息熵的離散化方法獲得，并在計算信息熵時，通過引入貝葉斯m-估計以克服小容量樣本下頻率等于概率的缺陷，從而提高熵的可靠度。
　　 三、用邊界算法挖掘出有效的IJEP。用BORDER-DIFF算法獲得不同的邊界對，再用MBD-LLBORDDER算法產(chǎn)生IJEP。有效的縮短了I