版權(quán)說明: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)
文檔簡介
1、分類號(hào)密級(jí)壘玨重慶郵電大學(xué)碩士學(xué)位論文英文題目——ResearchandApplicationofPermutationTest——i塾High旦i墮曼墜墨iQ墜壘!魚星塾星旦叢魚碩士研究生翌刖江指導(dǎo)教師王國魁麴援學(xué)科專業(yè)讓簋扭筮鮭生理途論文提交日期2Q12生壘目論文答辯日期2Q12生三月2魚目論文評(píng)閱人答辯委員會(huì)主席圈逢壹塾援重麼太堂2012年5月重慶郵電大學(xué)碩士論文摘要摘要基因微陣列為基因功能的研究提供了一種強(qiáng)有力的工具,對(duì)疾病分類
2、、病例診斷以及藥物研制等具有非常重要的實(shí)際意義。由于實(shí)驗(yàn)成本很高,基因樣本數(shù)量常常很少,而檢測的基因數(shù)目相對(duì)而言很大。因此,很多傳統(tǒng)的方法難以處理這種高維小樣本數(shù)據(jù)。一方面,基因數(shù)據(jù)集中存在大量的噪聲;另一方面,高維基因數(shù)據(jù)集中存在大量冗余。噪聲和冗余基因不僅會(huì)導(dǎo)致分類器過度學(xué)習(xí),而且會(huì)導(dǎo)致計(jì)算復(fù)雜度急劇升高。因此,對(duì)基因數(shù)據(jù)的處理,實(shí)質(zhì)上就是對(duì)具有“高維小樣本”特征的海量數(shù)據(jù)的挖掘過程,基因特征選擇就顯得尤為重要。本文首先介紹了基因數(shù)
3、據(jù)挖掘競賽,平均識(shí)別O7566。然后以基因數(shù)據(jù)為研究對(duì)象,針對(duì)高維小樣本特點(diǎn),設(shè)計(jì)了一種基于置換檢驗(yàn)的兩步基因選擇算法;并提出了一種新的基于隨機(jī)序列的基因重要性度量方法。歸納起來,本論文的主要研究內(nèi)容和研究成果包括以下幾個(gè)方面:(1)針對(duì)目前大規(guī)?;驍?shù)據(jù)集中存在大量的噪聲和冗余基因這一問題,提出了一種兩步基因特征選擇算法。首先分析了目前基因特征選擇算中存在的局限性:1)基因選擇的數(shù)目依賴于先驗(yàn)知識(shí)。2)缺少高效的基因去冗方法。針對(duì)問題
4、1,采用置換檢驗(yàn)的方法,能快速、自主地選擇出可解釋性高的基因子集,適合處理大規(guī)模基因數(shù)據(jù)。針對(duì)問題2,本文結(jié)合最小冗余、最大關(guān)聯(lián)的思想,分兩步過濾噪聲和冗余基因,能夠選擇高分辨力、低冗余度的基因子集。文中采用SVM、PAM分類器,在基因數(shù)據(jù)挖掘競賽提供的12個(gè)競賽數(shù)據(jù)集作分類實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明本文提出的算法能夠高效、快速的選擇基因子集,提高分類器性能。(2)針對(duì)目前基因特征選擇算法假設(shè)數(shù)據(jù)服從特定的分布,而不能對(duì)未知分布的基因數(shù)據(jù)進(jìn)行準(zhǔn)
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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
- 高維數(shù)據(jù)的特征選擇與特征提取研究.pdf
- 高維基因數(shù)據(jù)中的變量選擇.pdf
- 特征選擇在入侵檢測中的研究與應(yīng)用.pdf
- 面向高維數(shù)據(jù)的特征選擇算法研究.pdf
- 基于PLS的變量選擇及其在高維數(shù)據(jù)中的應(yīng)用.pdf
- 高維數(shù)據(jù)下的特征選擇與聚類方法研究.pdf
- 克隆選擇算法及其在高維全局函數(shù)優(yōu)化中的應(yīng)用.pdf
- 面向高維數(shù)據(jù)挖掘的特征選擇方法研究.pdf
- 面向高維異構(gòu)數(shù)據(jù)的特征選擇方法.pdf
- 基于懲罰似然的變量選擇方法及其在高維數(shù)據(jù)中的應(yīng)用.pdf
- 特征選擇算法研究及其在異常檢測中的應(yīng)用.pdf
- 特征選擇在中醫(yī)數(shù)據(jù)挖掘中的應(yīng)用研究.pdf
- 特征選擇算法研究及其在入侵檢測中的應(yīng)用.pdf
- 癌癥分類中基因選擇的收縮特征選擇算法研究.pdf
- 新型學(xué)習(xí)技術(shù)中特征選擇的研究與應(yīng)用.pdf
- 粗糙擬陣及其在高維數(shù)據(jù)降維中的應(yīng)用研究.pdf
- 基于鄰域的擴(kuò)展粗糙集模型及其在特征基因選擇中的應(yīng)用研究.pdf
- 面向高維小樣本數(shù)據(jù)的分類特征選擇算法研究.pdf
- 維數(shù)約簡研究及其在特征提取中的應(yīng)用.pdf
- 降維方法在特征提取中的應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論