检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

一种基于显现模式的基因分类算法

计算机工程与应用 2007年第32期43卷 180-184页

作者：王海军林亚平卢新国聂雅琳湖南大学计算机与通信学院湖南大学软件学院长沙410082

基于基因表达谱的分类技术对于疾病检测具有十分重要的研究意义。利用显现模式(Emerging Patterns,EPs)的基因分类方法不仅可以识别癌症样本,同时可以挖掘出隐含的与癌症相关的具有生物意义的基因模式,从基因角度揭示癌症病理。针对提... 详细信息

基于基因表达谱的分类技术对于疾病检测具有十分重要的研究意义。利用显现模式(Emerging Patterns,EPs)的基因分类方法不仅可以识别癌症样本,同时可以挖掘出隐含的与癌症相关的具有生物意义的基因模式,从基因角度揭示癌症病理。针对提取显现模式时在小样本情况下将频率近似于概率的缺陷以及PCL(Prediction by Collective Likelihood)分类器的不足,提出一种基于显现模式的基因分类算法:在显现模式的提取中引入贝叶斯估计以提高熵的可靠度,并借鉴KNN思想,提出一种新的基于EP的分类算法EP-KNN(Emerging Patterns-K Nearest Neighbors)。最后在急性白血病数据集上进行实验,实验结果表明新的算法提高了分类正确率,说明了该方法的有效性。

关键词：显现模式贝叶斯估计基因分类基因表达谱

在线全文

学校读者我要写书评

暂无评论

基于最小二乘模糊支持向量机的基因分类研究

计算机应用研究 2010年第2期27卷 459-461页

作者：骆嘉伟苏涵沐陈涛湖南大学计算机与通信学院长沙410082

随着大量基因表达数据的涌现,把海量的数据划分成数量相对较少的组,有助于提取对生理学和医药学等有价值的生物信息。基因分类技术能够很好地处理和分析这些基因数据。提出了一种应用于基因分类的模糊最小二乘支持向量机方法,通过设置... 详细信息

随着大量基因表达数据的涌现,把海量的数据划分成数量相对较少的组,有助于提取对生理学和医药学等有价值的生物信息。基因分类技术能够很好地处理和分析这些基因数据。提出了一种应用于基因分类的模糊最小二乘支持向量机方法,通过设置模糊隶属度改变分类中样本的贡献属性。该方法不仅考虑了样本与类中心点的距离关系,还充分考虑样本与样本之间的关系,减弱噪声或野值样本对分类的影响。采用美国威斯康星乳腺癌数据和皮马印第安人糖尿病数据进行实验检测,均取得了很好的效果。

关键词：基因微阵列基因分类最小二乘隶属度函数模糊支持向量机

在线全文

学校读者我要写书评

暂无评论

基于ICA模式空间的基因分类

计算机工程与应用 2009年第23期45卷 40-43,74页

作者：羊四清卢新国易叶青湖南人文科技学院计算机系湖南娄底417000 湖南大学计算机与通信学院长沙410082

ICA是应用于盲源信号分离的一种统计方法。利用ICA对基因微阵列表达谱数据进行分解获得由基因模型谱和对应系数构成的线性谱模型,并在此基础上进行基因分类。由于基于ICA的一个模型谱并不能完整地代表一个具有生物意义的类别,并且模型... 详细信息

ICA是应用于盲源信号分离的一种统计方法。利用ICA对基因微阵列表达谱数据进行分解获得由基因模型谱和对应系数构成的线性谱模型,并在此基础上进行基因分类。由于基于ICA的一个模型谱并不能完整地代表一个具有生物意义的类别,并且模型谱之间不具正交性,在此线性模型下不能有效的表示基因数据,为此提出基于ICA的模式表达空间的概念,并在该模式空间中重新构造了基因的数据表达形式,并利用此表达形式进行基因分类。实验结果表明,该分类方法比线性谱模型下的基因分类具有更高的正确率。

关键词：独立分量分析基因分类模式空间线性谱模型

在线全文

学校读者我要写书评

暂无评论

基于基因分类交互式遗传算法的品牌意象研究

工业工程 2022年第2期25卷 28-33页

作者：苏晨周福莹曹剑彭魏湖北工业大学工业设计学院湖北武汉430068

为了提升机电设备品牌产品的商业价值,满足用户的品牌意象需求,提出基于基因分类交互式遗传算法的品牌意象优化和创新方法。运用调研法和专家评价法提取重要设计要素和明确品牌意象词汇。再运用数量化理论Ⅰ针对二者的对应关系构建感性... 详细信息

为了提升机电设备品牌产品的商业价值,满足用户的品牌意象需求,提出基于基因分类交互式遗传算法的品牌意象优化和创新方法。运用调研法和专家评价法提取重要设计要素和明确品牌意象词汇。再运用数量化理论Ⅰ针对二者的对应关系构建感性评价矩阵,计算各设计要素贡献度值得到感性要素集合,代入IGA进行遗传操作。最后以感性评价值区间作为约束条件筛选最终产出方案。将方法流程运用到京山轻机捷普瑞印刷机设计项目实践中,对比基因分类前后改进后算法能更快速地获取用户适应度高的造型设计方案,有效提高有效的方案产出效率,缩短项目周期,该设备已由Ankutsan集团旗下的Antalya和Cerkezkoy工厂投产,证明该设备在中高端市场具有一定的竞争力。由此可知,该方法能有效指导机电品牌产品的创新设计,并为机电设备的品牌意象研究提供一种可行和有效的方法。

关键词：品牌意象基因分类交互式遗传算法数量化理论Ⅰ

模糊支持向量机的研究及其在基因分类中的应用

在线全文

学校读者我要写书评

暂无评论

模糊支持向量机的研究及其在基因分类中的应用

作者：许翠云南京林业大学

学位级别：硕士

支持向量机作为一种机器学习方法，能够有效地解决局部极小、过学习和维数灾难等问题。尽管如此，训练时间长、易受训练样本中噪声或孤立点影响等缺陷成为支持向量机在实际应用中的短板。为了更好地解决噪声、孤立点问题，模糊支持向量... 详细信息

支持向量机作为一种机器学习方法，能够有效地解决局部极小、过学习和维数灾难等问题。尽管如此，训练时间长、易受训练样本中噪声或孤立点影响等缺陷成为支持向量机在实际应用中的短板。为了更好地解决噪声、孤立点问题，模糊支持向量机应运而生，它根据各样本点在分类过程起到的不同作用而对其赋予不同的隶属度值，从而有效地解决了噪声点问题，使得分类效果更为精确。基因分类是生物信息领域一个亟待解决的问题，其研究、分析对辅助疾病的诊断和治疗有很高的医学应用价值。随着基因数据的处理及挖掘技术的发展，支持向量机作为一种潜在有效的数据挖掘技术已经成为基因分类的一个重要工具。本文以此为背景，着重研究了模糊支持向量机中隶属度函数的设计方法及其在基因分类中的应用，主要工作如下： 1.现有的隶属度函数大多是根据样本点与其类中心之间的距离来设计的，这类设计方法往往对样本的几何分布存在依赖性，而且忽略了样本点的空间关系及其本身的类别属性在分类中所起的作用。针对这些问题，提出两种改进的模糊支持向量机：基于类内超平面的改进模糊支持向量(PHFSVM)及基于类向心度的模糊支持向量机(CCD-FSVM)。PHFSVM用类内超平面代替类中心，根据每类样本数据与其类内超平面的距离定义隶属度，加大了对容易被错分样本的惩罚，同时对离分类超平面较远且不可能成为支持向量的样本直接赋予较小的隶属度值，直接减少了求解隶属度的计算量;CCD-FSVM结合样本点与类中心、类中样本点之间的联系，用类向心度来表示这种关系，而且可以通过向心度的大小，对混合度比较高的样本进行区分，从而达到提高分类精度的效果。 2.传统支持向量机建立在样本数量大体一致的基础上，当被用于不平衡数据的分类时，就会产生很大的偏向性，因而不能对少数类样本正确分类，降低了分类性能。在不平衡数据分类问题的实际应用中，少数类样本的信息往往对分类更加重要，人们更希望算法能够提高对少数类样本的识别率。文中分析了样本数量在隶属度函数设计过程中所起的作用，提出基于不平衡数据分类的模糊支持向量机(BFSVM)，它在考虑样本点关系的同时，加入了样本数对隶属度的影响,从而改善了不平衡数据分类中对少数样本分类的识别率。 3.基因数据的特点是小样本、高维度，结合基因的生物学意义，在对其分类之前需要进行降维处理。文中用顺序向前浮动搜索算法找出信息基因，并将文中提出的三种模糊支持向量机算法应用到结肠癌数据的分类中，通过实验结果验证了模糊支持向量机在基因分类中的有效性。

关键词：模糊支持向量机隶属度函数不平衡数据基因分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

TSP算法在时序基因分类中的研究与应用

TSP算法在时序基因分类中的研究与应用

作者：吴凯敏郑州大学

学位级别：硕士

在生物信息学中,从大量数据中挖掘对研究有价值的信息越来越受到研究人员的重视。时序基因表达数据是生物生长过程中不同时间点采集的基因数据,作为研究热点之一的时间序列基因数据挖掘也越来越受到研究者们广泛关注和研究。时间序列基... 详细信息

在生物信息学中,从大量数据中挖掘对研究有价值的信息越来越受到研究人员的重视。时序基因表达数据是生物生长过程中不同时间点采集的基因数据,作为研究热点之一的时间序列基因数据挖掘也越来越受到研究者们广泛关注和研究。时间序列基因数据分类是一个非常重要的课题,它包含了大量与时间相关的生物信息。由于基因表达数据的“高维、小样本”特点。传统的机器学习方法在处理高维数据上不仅会建立复杂的分类模型,而且得到的分类结果很难用生物学的角度理解。最高得分对算法(Top Scoring Pairs,TSP)是利用少量特征对对样本进行预测的分类器,此算法在处理基因数据上达到了很好的效果,但还不能处理时间序列基因表达数据。为了充分利用TSP算法优势,本文提出动态最高得分对算法(Dynamic Top Scoring Pairs,DTSP),将TSP算法改进为能处理时序基因数据的分类器。本文的主要工作如下:1.本文提出DTSP算法,将趋势的思想融入TSP算法中,使其能够处理时序基因。DTSP算法不仅考虑了相邻时间点的差异趋势,并且将差异的值的大小考虑进去,提高了分类准确率。同时算法也改进了预测模型,用趋势的规则进行预测。本文使用时序基因数据集进行实验,将DTSP算法和支持向量机、K近邻算法做横向对比,并将DTSP算法中包含的三种算法做纵向对比。实验证明,改进后的分类器得到了很高的分类效果,选出了最具分类能力的特征对。选出的特征对将对生物学基因研究提供了新的思路。2.在动态最高得分对算法理论的基础上,本文设计了基于DTSP算法的时序基因分类系统。该系统不仅实现了DTSP算法对时序基因的分类,同时兼容传统的机器学习分类算法,能够为用户提供二次开发的接口,集成自定义的时序基因分类算法。该系统不仅能对时序基因分类,而且可以将DTSP计算出的最高特征对展示出来,可以用于医疗生物学的进一步研究。

关键词：基因分类时间序列基因最高得分对机器学习

高维协方差矩阵稳健估计在基因分类中的对比分析及应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高维协方差矩阵稳健估计在基因分类中的对比分析及应用

作者：李言文曲阜师范大学

学位级别：硕士

随着生物信息学领域的进步,利用基因表达数据对癌症进行分类已成为研究的前沿课题.这种对基因表达序列进行分子生物学层面分析的方法,为癌症早期诊断和决策提供了重要支撑.但由于基因表达数据具有高维、小样本量、异常值、类别不平衡等... 详细信息

随着生物信息学领域的进步,利用基因表达数据对癌症进行分类已成为研究的前沿课题.这种对基因表达序列进行分子生物学层面分析的方法,为癌症早期诊断和决策提供了重要支撑.但由于基因表达数据具有高维、小样本量、异常值、类别不平衡等复杂特性,增加了分析的复杂度,给癌症分类问题带来了严峻挑战.协方差矩阵是基因分类模型的核心组成要素,因此,针对基因表达数据的复杂结构特性设计高效稳健协方差矩阵是具有重要理论及现实意义的.高维协方差矩阵稳健估计是现代统计学的前沿热点研究课题,并取得了丰硕的研究成果.但是,很多估计方法存在着参数选取、计算复杂、适用性条件难以验证等困难.本文选取了三种较新且计算方便的高维协方差矩阵稳健估计方法进行对比分析并将其运用到基因分类中,确定了最适用于基因分类场景下的协方差矩阵估计方法.具体而言,选取了Avella提出的自适应阈值稳健引导估计器(TRH)、Hediger改进后的稳健非线性收缩估计器(R-NL)以及Serra开发的稳健稀疏自适应阈值估计器(RSC)三种方法.首先通过模拟生成服从不同分布的数据,利用这三种方法分别估计不同数据集的协方差矩阵,且探讨了随样本量增加,这三种方法的性能变化,发现RSC方法在多种条件下表现最为优异.进一步地,为进行实证研究,选取了GEO数据库中的151例样本和54677维的基因表达数据,运用F统计量进行基因选择,得到450个具有显著差异的基因.在二次判别分析中,应用上述三种协方差矩阵估计方法,最终验证了RSC方法在乳腺癌基因分类中以其最高的准确率和覆盖率占据优势.本文通过对三种高维协方差矩阵稳健估计方法进行对比分析,展示了高维协方差稳健估计方法在减少高维数据和异常值影响的有效性,探究了不同方法在基因分类这一应用场景下的优势和局限,为其他基因分类研究中高维协方差矩阵估计方法的选择提供了可行的参考和借鉴.

关键词：基因分类高维协方差矩阵稳健估计判别分析分类精度

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于微阵列的基因分类算法研究

基于微阵列的基因分类算法研究

作者：王海军湖南大学

学位级别：硕士

生物学相关信息量的革命性的爆炸,产生了对海量生物信息进行处理的需求;而计算机技术的革命性发展,形成了处理海量生物信息的能力。于是,生物信息学便在综合计算生物学的研究和生物学信息的计算机处理的基础上迅速而成功地发展起来。生... 详细信息

生物学相关信息量的革命性的爆炸,产生了对海量生物信息进行处理的需求;而计算机技术的革命性发展,形成了处理海量生物信息的能力。于是,生物信息学便在综合计算生物学的研究和生物学信息的计算机处理的基础上迅速而成功地发展起来。生物信息学是计算机和网络大发展、各种生物数据库迅猛增长形势下如何组织数据,并从数据中提取生物学新知识的学问。微阵列技术的出现为生物信息学研究提供了强有力的手段。利用显现模式(Emerging Patterns, EPs)的基因分类方法通过分析微阵列数据,不仅可以识别癌症样本,同时可以挖掘出隐含的与癌症相关的具有生物意义的基因模式,从基因角度揭示癌症病理。本文对生物信息学研究中基于显现模式的基因分类算法做了一些工作,归纳如下:(1)介绍了基因分类的发展概况、微阵列技术以及常用的分类算法,并通过实验进行性能评价,为本文后续章节的研究提供理论和实验基础。(2)针对提取显现模式时在小样本情况下将频率近似于概率的缺陷,在熵的计算中引入贝叶斯估计,即通过增加虚拟样本的方法估计概率从而缓解小样本下熵度量的不稳定性。(3)针对PCL(Prediction by Collective Likelihood)分类器的不足,提出一种基于显现模式的基因分类算法。该算法在引入贝叶斯估计的基础上,向PCL分类器中加入训练样本集EPs自身频率对似然度的影响。通过在急性白血病数据集上进行实验,表明该算法能够有效提升分类器的性能。(4)提出了随机割点的概念,以加强割点对未知样本的泛化能力。并结合贝叶斯估计,获得高级显现模式EPA;借鉴KNN思想,提出一种新的基于EPA的基因分类器EPA-KNN。在研究了采用熵及最小描述长度原理挖掘特征基因及其割点的相关理论之后,本文分析了候选割点的选取原则,引入边缘点的思想,以缩小候选割点的范围,节省搜索候选割点的计算量。但显现模式中候选割点仍是样本集合经排序后某两个相邻样本表达值的平均,这样的平均点未必是对未知的测试样本集分类能力最优的割点。随机割点即在某个区间上服从均匀分布的随机变量。实验结果表明了随机割点以及EPA-KNN基因分类器的可行性和有效性。

关键词：微阵列基因表达谱基因分类显现模式贝叶斯估计随机割点

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基因分类中特征提取的若干方法

产业与科技论坛 2011年第10期10卷 66-67页

作者：马青青王海军赵高峰丁朝阳河南科技大学数学与统计学院

本文针对基因表达谱高维、高噪声的特点,分析探讨了能实现数据降维、降噪的若干特征提取方法。

关键词：基因分类特征提取主成分分析信噪比熵信息增益