癌症基因数据的降维算法研究和应用.pdfVIP

癌症基因数据的降维算法研究与应用 中文摘要 癌症基因数据的降维算法研究与应用 中文摘要 癌症仍然是最困扰人类的疾病之一。得益于基因芯片技术的迅猛发展，研究人员 获得了海量的癌症基因表达数据。利用基因表达数据来分析诊断病症，已成为后基因 组时代的热点之一。基因表达数据的分类是针对具体功能基因表达的分析，其准确分 类有助于提高疾病诊断的效率。但是，基因表达数据普遍具有样本数量少、单个样本 维数极高、数据非线性等特征。 针对基因表达数据的基本特征，本文采用支持向量机（Support Vector Machine， SVM）对基因表达样本进行分类。SVM 是一种基于统计学学习理论的机器学习理论， 可应用于变量数目远大于样本数目的数据。不同于经验风险最小化原则，它采用结构 化风险最小化的原则，寻求泛化能力好的决策函数，有效避免了局部最优解。在有限 的训练样本下，运用SVM 得到的决策规则对独立的测试集分类能够得到较好的效果。 虽然SVM 的样本训练策略很好的避免了局部最优，但是，样本数过少的现实对 决策规则的训练有着无法避免的影响。为了得到更加精确的训练结果，本文考虑使用 数据降维算法，对基因表达数据进行降维处理，利用较低维度的数据进行训练，已取 得更好的分类准确率。文中使用到的降维算法有主成分分析算法(Principle Component Analysis) ， PCA 多维度标度算法(Multi-Dimensional Scaling ， MDS) ，拉普拉斯特征 值映射算法(Laplacian Eigenmaps)等。 本文侧重基于SVM 分类方法的数据降维算法对数据分类优化的研究。采用常用 的Lung 和DLBCL 数据进行试验分析。实验结果表明，数据降维算法结合SVM 分类 方法，对数据分类准确率有显著的优化作用。相比较传统分析方法，基于SVM 分类 的数据降维算法的应用，使高维数据的分析有了新的突破。 关键词：基因芯片，基因表达数据，支持向量机，数据降维，分类 作 者：尹 飞 指导老师：翁桂荣 I Abatract Dimensional Reduction Research and Application on the Cancer Gene Data Dimensional Reduction Research and Application on the Cancer Gene Data Abatract Cancer has always been one of the most deadly diseases by now. Thanks to the rapid development of gene chip technology, researchers have gained vast amounts of cancer gene expression data. Using gene expression data to diagnose the disease has become a hot topic of the post genome era. The accuracy of Gene expression data classification will help to improve the efficiency of diagnosis. However, gene expression data generally are sample sized, high dimensional, non-linear. According t