基于JEP的癌症分类算法研究-计算机科学与技术专业论文.docxVIP

綦一J二JEP的痛症分类算法研究摘 綦一J二JEP的痛症分类算法研究 摘 要 分类是数据挖掘和机器学习领域的一个重要问题，目的是通过训练数据集构 建一个分类器来预测新的实例类别。近年来，DNA微阵列的发展为很多领域提供 了一种高维数据，主要应用于癌症诊断和预测。跳跃显露模式(Jumping Emerging Pattern，JEP)是一种区分能力强的特殊模式，在分类方面有很明显的优越性。随 着DNA微阵列和基因模式的快速发展，本文提出一种基于JEP的癌症分类算法。 为了进一步提高癌症分类准确率，本文还研究了基于JEP癌症分类的组合分类算 法，这在生物学、医学领域具有重要的研究价值和实际意义。 本论文主要从基因表达数据的分析着手，其主要工作归纳如下： 一、对基因表达数据进行预处理，DNA微阵列产生的数据具有高维性，有很 多噪声，本文采用基于信息熵的离散化方法将连续属性离散化，依据最小长度原 则找出基因的分割点，计算熵值，筛选出分类特征基因。熵值越小，特征基因分 类能力越强。这种离散化方法可以有效消除噪声数据的影响。 二、提出一种更具鉴别能力的基因模式，称为增强跳跃显露模式(IJEP)，这 种模式满足增长率趋近无穷大，且任何子集都不是IJEP的条件。提取IJEP的特 征基因是通过基于信息熵的离散化方法获得，并在计算信息熵时，通过引入贝叶 斯m．估计以克服小容量样本下频率等于概率的缺陷，从而提高熵的可靠度。 三、用边界算法挖掘出有效的IJEP。用BORDER．DIFF算法获得不同的边界 对，再用MBD．LLBORDDER算法产生IJEP。有效的缩短了IJEPs的挖掘时间。 针对挖掘出的IJEP，提出一种癌症分类算法(CIJEP)，同时通过改进相似度量的计 算来提高预测的可信度。 四、 以基于IJEP的癌症分类器作为基分类器， 将集成机器学习应用到癌症 分类中，提出了Bag-CIJEP、Boost．CIJEP两种算法，在四个数据集上进行实验， 实验结果提高了癌症的分类准确率。 关键字：DNA微阵列；癌症分类；强跳跃显露模式；相似度量；集成机器学习 II 硕‘l：学位论文Abstract 硕‘l：学位论文 Abstract Classification is an important research problem in data mining and machine， aimed at building a classifier from training instances for predicting the classes of new instance．Recently，the development of microarray technology has supplied a large dimensionality of data to many fields；it has been mainly applied to prediction and diagnosis of cancer．Jumping Emerging Pattern is a special pattern which has strong discrimination．It has obvious advantage in classification．Therefore the proposition of a cancer classification with JEP is of great significance．With the rapid development of DNA microarray and genetic pattern，this paper proposes a cancer classification with JEP．To further improve the accuracy of cancer classification，this paper do a research on the combination classification based on the cancer classification by JSP,it has important research value and practical significance in biology and medicine． It starts at the analysis of gene expression data in this paper．The main work is summarized as follows： 1．Preprocess the gene expression data．DNA microarray