從腫瘤基因表達譜中分析和挖掘出樣本的分類特征,對揭示癌癥產(chǎn)生和病變過程具有重要的生物學意義�；虮磉_譜數(shù)據(jù)中包含組織細胞中所有可測基因的表達水平,但事實是僅有少量基因才切實與樣本類別有關。為此,針對高維、小樣本的基因表達譜數(shù)據(jù),探索泛化能力更強,更好描述基因表達譜數(shù)據(jù)的特征選擇模型,從成千上萬個基因中選出對樣本分類有效的特征基因,對腫瘤的分型及臨床醫(yī)療具有重大的探究意義和實用價值。針對當前特征基因選擇算法普遍存在訓練時間長和分類精度偏低等不足,本文設計了高效的特征基因選擇與分類的相關算法,選擇較少的特征基因,且保持甚至提高相關模型的分類精度。主要研究內容包括:(1)針對鄰域粗糙集采用全局鄰域求解近似,存在計算時間復雜度高且很難對基因表達譜數(shù)據(jù)精確描述等問題,構建了基于主成分分析和改進鄰域粗糙集算法的PNRS模型。首先采用主成分分析算法獲得低維的特征基因空間;然后利用改進的鄰域粗糙集算法進行特征基因選擇,即采用歐氏距離計算每列屬性鄰域值,選取所有屬性鄰域集合計算鄰域決策系統(tǒng)的近似;最后利用啟發(fā)式搜索算法選擇特征基因子集。實驗結果表明,該方法能有效剔除無關噪聲且獲得較高的正確識別率。(2)... 

【文章來源】：河南師范大學河南省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

000年至2011年中國癌癥患病率和致死率的趨勢圖

從DNA微陣列獲取基因表達數(shù)據(jù)的一般過程

圖 1-2 從 DNA 微陣列獲取基因表達數(shù)據(jù)的一般過程表達譜數(shù)據(jù)從數(shù)學計算角度來說是 n×m 矩陣。g1,i, g2,i, …, gn,i表示第 ，gj,1, gj,2, …, gj,m表示 1, 2, …, m 個基因，gi, j表示對應的基因表達水平樣本的類標簽[7]�；虮磉_譜數(shù)據(jù)的數(shù)學表示見圖 1-3。

【參考文獻】：
期刊論文
[1]基于PCA和多鄰域粗糙集的腫瘤特征基因選擇算法[J]. 徐久成,穆輝宇,馮森.  鄭州大學學報(理學版). 2017(04)
[2]基于對稱不確定性和SVM遞歸特征消除的信息基因選擇方法[J]. 葉明全,高凌云,伍長榮,萬春圓.  模式識別與人工智能. 2017(05)
[3]一種基于改進的遺傳算法的癌癥特征基因選擇方法[J]. 范方云,孫俊,王夢梅.  江南大學學報(自然科學版). 2015(04)
[4]二階矩陣的特征值和特征向量�？碱}型例析[J]. 魏佐忠.  數(shù)學通訊. 2014(Z2)
[5]基于邊界判別投影的數(shù)據(jù)降維[J]. 何進榮,丁立新,李照奎,胡慶輝.  軟件學報. 2014(04)
[6]基于迭代Lasso的腫瘤分類信息基因選擇方法研究[J]. 張靖,胡學鋼,李培培,張玉紅.  模式識別與人工智能. 2014(01)
[7]基于核空間距離測度的特征選擇[J]. 蔡哲元,余建國,李先鵬,金震東.  模式識別與人工智能. 2010(02)
[8]利用協(xié)同分類方法識別癌癥類型[J]. 盧新國,陳東,杜家宜,周娟.  計算機科學. 2010(02)
[9]基于鄰域�；痛植诒平臄�(shù)值屬性約簡[J]. 胡清華,于達仁,謝宗霞.  軟件學報. 2008(03)
[10]生物信息學中基因芯片的特征選擇技術綜述[J]. 周昉,何潔月.  計算機科學. 2007(12)

碩士論文
[1]基于監(jiān)督學習的腫瘤特征基因選擇方法研究[D]. 李濤.河南師范大學 2016
[2]腫瘤基因表達譜的數(shù)據(jù)挖掘與識別分類[D]. 郭志鵬.北京理工大學 2015
[3]基因表達數(shù)據(jù)的譜聚類方法研究[D]. 陳方.湖南大學 2015
[4]基于鄰域互信息的特征基因選擇方法研究[D]. 徐天賀.河南師范大學 2014



本文編號：2897830