基因表达谱数据特征选择与提取方法研究-控制理论与控制工程专业论文.docxVIP

万方数据 万方数据 中图分类号 TP183 学校代码 10356 UDC 004.8 密级 公开 硕 士 学 位 论 文 MASTER DISSERTATION 基因表达谱数据特征 选择与提取方法研究 Research of Feature Selection and Extraction for Gene Expression Data 作 者 刘金勇 导 师 郑恩辉 副教授 申请学位 工学硕士 培养单位 中国计量学院 学科专业 控制理论与控制工程 研究方向 模式识别 二〇一四年六月 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得 的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经 发表或撰写过的研究成果，也不包含为获得 中国计量学院 或其他教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献 均已在论文中作了明确的说明并表示了谢意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 中国计量学院 有关保留、使用学位论文的 规定。特授权 中国计量学院 可以将学位论文的全部或部分内容编入有关数 据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借 阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论 文在解密后适用本授权说明) 学位论文作者签名： 导师签名： 签字日期： 年 月 日 签字日期： 年 月 日 致 谢 在此论文完成之际，谨向所有给予我指导、关心、帮助和鼓励的老师、同 学、朋友以及亲人们表示最美好的祝愿与最诚挚的感谢！本论文是我攻读硕士 学位期间所做工作的总结。在本论文的选题、文献阅读、算法和实验方案设计 以及大论文撰写的过程中，始终都受到了我的导师郑恩辉老师的悉心指导。郑 老师不仅在学术研究中给予我鼓励和支持，在生活中也给了我诸多关怀和照顾。 他严谨的富有激情的治学态度，良好的育人方法，诚恳的待人原则等等，这些 都让我获得良多，在即将毕业之际，表达对郑恩辉老师发自内心的感激与敬爱， 对老师说一声谢谢！ 在我的学习和研究中，多次得到陈乐老师、孙坚老师、高坚老师、谢敏老 师、钟绍俊老师、徐红伟老师、高雁凤老师、黄艳岩老师、富雅琼老师、陆慧 娟老师等的帮助，在此真诚的对他们给予的物质上、心理上、学术上的帮助表 示感谢，没有他们的帮助，本论文也无法圆满的完成。 特别感谢师兄曹文浩、师姐徐欢，感谢 11 级同学张聪、安春林、眭涛涛、 张海波、王丽辰、武东伟等，谢谢他们在这两年半的生活中带给我的快乐和帮 助。感谢班长韩浩同学在研究生期间给予的认真负责周到的服务。感谢师弟师 妹徐灵鑫、熊晶晶、魏莎莎、李超，他们对我的学习、生活给予了很大的帮助。 感谢余琼给我莫大的支持和鼓励，对我的学习和生活有很大的帮助。 感谢浙江省自然科学基金(Y1080950)和国家自然科学基金的资 助。 最后，特别感谢我的父母和家人，他们是我最有力的支持者，是他们的支 持和教育让我走到今天。 刘金勇 2014 年 6 月 基因表达谱数据特征选择与提取方法研究 摘要：随着人类基因组计划的迅速发展，DN A 微阵列技术已经被广泛的应用到 生命科学的各个研究领域，由此产生的基因表达谱数据也呈指数级增长。基因 表达谱数据可以让人们从分子水平上了解基因的表达模式、从微观层面上去研 究生命现象，对了解癌症在基因级别的发病机理、癌症的诊断有着很高的应用 价值。 在对基因表达谱数据进行研究的时候，研究者们发现在高维的数据中，只 有少量基因对癌症的识别起着关键的作用，而大量的冗余基因不但会造成严重 的“维数灾难”现象，还会对癌症的正确识别造成一定的干扰，造成分类性能 的下降。所以采取适当的方法对基因表达谱数据进行降维，选择具有代表性的 特征基因或者特征基因的组合便成为一项非常重要的工作。本论文在浙江省自 然科学基金(Y1080950)和国家自然科学基金的资助下，从算法设计 和仿真试验两方面，研究基因表达谱数据的特征选择和提取问题，主要研究内 容和成果如下： 1. 提出两种特征选择方法，分别为基于粒子群的 PSO-Selection 方法和基 于 K-means 聚类和粒子群的 KPSO-Selection 方法。PSO-Selection 方法是一种滤 波式特征选择方法，判断特征优劣标准的适应度函数定义为类间距离与类内距 离的比值，将特征选择转化为组合优化问题。KPSO-Selection 方法是一种混合 型特征选择方法，首先利用 K-means 方法将包含不同信息的基因聚成固定数目 的簇，对簇中基因的分类性能进行评价，选择具有较优分类性能的簇，并将这 些簇中的基因作