检索结果-南通市图书馆

基于WGCNA和SVM-RFE算法挖掘肺腺癌诊断和预后基因标志物

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

生物化学与生物物理进展 2022年第2期49卷 381-394页

作者：王美王可心谭建军王京京北京工业大学环境与生命学部生物医学工程系智能化生理测量与临床转化北京市国际科研合作基地北京100124

目的肺癌是世界上最常见的癌症之一,在众多肺癌患者中,肺腺癌(lung adenocarcinoma,LUAD)的死亡率最高。基因表达谱的变化与肿瘤的发生和发展过程有关,通过识别与LUAD患者相关的诊断和预后基因标志物,可以为肺腺癌的预防和治疗提供理论... 详细信息

目的肺癌是世界上最常见的癌症之一,在众多肺癌患者中,肺腺癌(lung adenocarcinoma,LUAD)的死亡率最高。基因表达谱的变化与肿瘤的发生和发展过程有关,通过识别与LUAD患者相关的诊断和预后基因标志物,可以为肺腺癌的预防和治疗提供理论依据。方法本研究以肿瘤基因组图谱(The Cancer Gene Atlas,TCGA)数据库为基础,采用加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)、差异基因分析、cox回归分析、蛋白质互作网络(protein-protein interaction,PPI)分析等方法筛选与LUAD形成过程高度相关的hub基因。将TCGA和基因型组织表达(GTEx genotype tissue expression,GTEx)数据库中的RNA数据合并划分为训练集和内部验证集,利用基于支持向量机的递归特征消除算法(support vector machine recursive feature elimination feature,SVM-RFE)构建诊断模型并进行验证。GSE32863和GSE31210数据集分别用于验证诊断模型的准确性和基因标志物的预后价值。结果SVM-RFE算法得到的5个基因标志物(anln、cenpa、plk1、tpx2、cdca3)模型在LUAD患者分类中具有显著的诊断能力。功能富集分析表明,这5个基因与肿瘤发生发展的生物学过程密切相关。此外,这5个基因高表达的LUAD患者的预后表现不良,死亡率显著高于低表达的患者。结论我们的研究为LUAD的诊断和预后提供了具有5个基因特征的模型,这对于开发用于精确治疗的新靶点具有重要意义。

关键词：肺腺癌基因标志物加权基因共表达网络分析递归特征消除算法

在线全文

学校读者我要写书评

暂无评论

一种混行环境下驾驶人认知分心识别方法

吉林大学学报（工学版） 2022年第8期52卷 1800-1807页

作者：华强金立生郭柏苍张舜然王禹涵吉林大学交通学院长春130022 燕山大学车辆与能源学院河北秦皇岛066004

面向智能网联车辆与非网联车辆的混行环境,研究了一种混行环境无信号交叉口下基于注意力机制的双向长短时记忆网络(Bi-LSTM)的认知分心识别模型。采集了60名驾驶人在混行环境下的模拟驾驶试验数据,采用支持向量机递归特征消除算法提取... 详细信息

面向智能网联车辆与非网联车辆的混行环境,研究了一种混行环境无信号交叉口下基于注意力机制的双向长短时记忆网络(Bi-LSTM)的认知分心识别模型。采集了60名驾驶人在混行环境下的模拟驾驶试验数据,采用支持向量机递归特征消除算法提取最优特征子集作为模型的输入。结果表明:该模型识别准确率高达96.58%,F值为96.24%,与SVM和决策树分心识别模型相比,准确率、召回率、F值和ROC曲线等模型性能方面均最优,可应用于智能车辆分心预警辅助系统,对提高道路安全性具有重要意义。

关键词：分心驾驶混行环境 Bi-LSTM 递归特征消除算法

在线全文

学校读者我要写书评

暂无评论

基于自然驾驶数据的分心驾驶行为识别方法

中国公路学报 2020年第9期33卷 225-235页

作者：孙剑张一豪王俊骅同济大学道路与交通工程教育部重点实验室上海201804 同济大学道路交通安全与环境教育部工程研究中心上海201804

大量证据表明,驾驶人分心是导致交通事故的主要原因之一。当前基于侵入式(如脑电波等)或半侵入式(如视频等)检测驾驶人分心的方法,不仅对驾驶任务造成一定干扰,且受多种环境因素的制约,误报率较高。基于此,只考虑非侵入式车辆运动特征,... 详细信息

大量证据表明,驾驶人分心是导致交通事故的主要原因之一。当前基于侵入式(如脑电波等)或半侵入式(如视频等)检测驾驶人分心的方法,不仅对驾驶任务造成一定干扰,且受多种环境因素的制约,误报率较高。基于此,只考虑非侵入式车辆运动特征,提出一种基于深度学习的驾驶人分心状态识别方法:首先,从自然驾驶数据集中获得大量的跟驰片段,采用态势感知方法,提取典型的分心驾驶片段,并建立仅包含车辆运动学特征的分心判别指标集;其次,利用梯度提升决策树-递归特征消除算法(GBDT-RFE)和随机森林-递归特征消除算法(RF-RFE)对特征进行重要度排序,得到重要度较高的分心监测指标;最后,采用长短时记忆神经网络(LSTM-NN)实现分心驾驶的分类识别,并与支持向量机和AdaBoost的模型结果进行对比。研究结果表明:LSTM-NN在判别分心或正常状态时F1分别为89%、91%,高于SVM和AdaBoost对应二分类结果;进行多分类任务时,判别分心情景的平均F1较SVM和AdaBoost分别提升了12%和7%,不同类别分心识别的误报率在15%以下,说明LSTM-NN能够有效学习分心序列的前后信息,有利于准确估计驾驶人的状态。研究结果可为车辆分心预警系统和驾驶风险倾向性评估提供方法基础。

关键词：交通工程分心驾驶 LSTM-NN模型自然驾驶数据车辆运动特征递归特征消除算法

基于测井参数的页岩有机碳含量支持向量机预测

在线全文

学校读者我要写书评

暂无评论

煤炭科学技术 2019年第6期47卷 199-204页

作者：李泽辰杜文凤胡进奎李冬中国矿业大学(北京)煤炭资源与安全开采国家重点实验室北京100083 中国矿业大学(北京)地球科学与测绘工程学院北京100083

为了解决传统的有机碳含量TOC测量方法成本高和无法获得TOC含量连续分布的问题,提出了一种TOC含量的统计预测方法。由于地层的岩性的不同,TOC含量的差异非常大,因此,首先对原始的测井数据聚类,通过聚类的方法将不同岩性的地层区分开,对... 详细信息

为了解决传统的有机碳含量TOC测量方法成本高和无法获得TOC含量连续分布的问题,提出了一种TOC含量的统计预测方法。由于地层的岩性的不同,TOC含量的差异非常大,因此,首先对原始的测井数据聚类,通过聚类的方法将不同岩性的地层区分开,对不同的地层分别建立TOC含量的预测模型,再通过聚类的方法提高了各测井参数和TOC含量的相关性,这不仅提高了模型的准确性,而且使得模型更有说服力;然后通过粒子群算法优化SVM模型参数,避免了因人工选择参数带来的模型不稳定的问题,依此建立测井参数优选的SVM-RFE模型,对每一类分别进行测井参数筛选,有效的规避了各测井参数之间的信息冗余和不相关参数带来的模型性能降低和训练时间增加的问题;最后利用优选后的测井数据和SOM的分类结果,对不同的地层岩性分别建立SVR模型进行预测。结果表明:通过与其他TOC含量预测模型对比,SOM-SVR模型更加稳定,更有说服力,预测误差小,平均相对误差约6%,平均绝对误差不超过0.2。由此,可以通过SOM算法对不同岩性的地层进行聚类之后再建立TOC含量的预测模型,更有利于提高模型的精度。

关键词：总有机碳含量测井 SOM聚类粒子群算法递归特征消除算法支持向量机算法

在线全文

学校读者我要写书评

暂无评论

采用机器学习的聚类模型特征选择方法比较

华侨大学学报（自然科学版） 2017年第1期38卷 105-108页

作者：赵玮北京联合大学应用科技学院北京100101

针对机器学习聚类模型在特征选择时存在的问题,首先,对特征选择在聚类模型中的适用性进行分析并对其进行调整和改进.然后,基于R语言中的递归特征消除(RFE)特征选择方法和Boruta特征选择方法进行特征选择算法设计.最后,应用聚类内部有效... 详细信息

针对机器学习聚类模型在特征选择时存在的问题,首先,对特征选择在聚类模型中的适用性进行分析并对其进行调整和改进.然后,基于R语言中的递归特征消除(RFE)特征选择方法和Boruta特征选择方法进行特征选择算法设计.最后,应用聚类内部有效性指标,对在线品牌忠诚度聚类模型优化结果进行分析,进而对特征选择方法进行比较研究.结果表明:Boruta特征选择方法更具优势.

关键词：特征选择聚类模型机器学习递归特征消除算法 Boruta方法

在线全文

学校读者我要写书评

暂无评论

基于测井的煤层有机碳含量支持向量机预测

内蒙古煤炭经济 2019年第5期 19-20,24页

作者：李泽辰中国矿业大学(北京)地球科学与测绘工程学院

为了解决传统的TOC测量方法成本高和无法获得TOC含量连续分布的问题,提出一种TOC含量的智能预测方法。建立测井参数优选的SVM-RFE模型,对测井曲线进行测井参数筛选,最后利用优选后的数据,通过SVR模型进行预测。

关键词：总有机碳含量测井递归特征消除算法支持向量机算法