基因微阵列数据分析中的基因选择与聚类方法的研究-模式识别与智能系统专业论文.docxVIP

A Thesis Submitted in Fulfillment of the Requirements for the Degree of Master of Engineering The Research of Gene Selection and Clustering Method in Gene Microarray Data Analysis Submitted by Name Xu Shan-na Supervised by Professor Name Qi Yun-song Jiangsu University of Science and Technology March, 2012 论 文 独 创 性 声 明 本人声明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已 经发表或撰写过的研究成果，也不包含为获得江苏科技大学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谢意。 学位论文作者签名： 日 期： 学 位 论 文 使 用 授 权 声 明 江苏科技大学有权保存本人所送交的学位论文的复印件和电子文稿，可以将学位 论文的全部或部分上网公布，有权向国家有关部门或机构送交并授权其保存、上网公 布本学位论文的复印件或电子文稿。本人电子文稿的内容和纸质论文的内容一致。除 在保密期内的保密论文外，允许论文被查阅和借阅。 研究生签名： 导师签名： 日 期： 日 期： 江苏科技大学工学硕士学位论文 江苏科技大学工学硕士学位论文 摘 摘 要 6 6 I I 摘 要 随着基因组项目的不断完成，产生了大量有待于分析和解释的生物信息，从而， 人们可以从分子水平上了解基因的表达模式和微观层面上研究生命现象。基因芯片技 术是生物信息研究的主要领域之一。通过此技术，可以同时检测成千上万个基因在生 物体内的活性，但同时还会产生大量的微阵列数据。基因微阵列数据具有样本小、维 数高、噪声大、冗余基因大量存在、分布不平衡等特点。如何从这些数据中挖掘有用 的生物信息并使这些信息对疾病的检测和分型提供有效的指导，成为模式识别与数据 挖掘领域研究的主要内容之一。本文主要围绕基因微阵列数据的基因选择和聚类方法 开展研究，主要工作如下： 1. 基于神经元激活函数提出了一种改进的遗传算法。其主要思想是利用神经元激 活函数改造变异和交叉算子，同时考虑到类内距离和类间距离的关系来改进基本的遗 传算法。 2. 在充分考虑基因微阵列数据特点和遗传算法的优缺点的基础上，本文利用改进 后的遗传算法进行 K 均值聚类。以白血病数据集为研究对象，利用改进的遗传 K 均值 聚类进行实验仿真。实验结果表明，此方法应用在基因微阵列数据特征选择的问题中， 获得了较好的分类效果；比常用的聚类算法分类准确率更高，同时也降低了基因维数。 3. 在考虑到基因微阵列数据样本小、维数高的基础上，本文提出了一种粒子群算 法和样本聚类的错误率相结合的基因选择方法。之后，利用癌症数据进行实验仿真， 通过实验，发现此方法可以获得较小的且分类能力较强的特征子集。 关键词 微阵列基因数据；特征选择；聚类；粒子群算法；遗传算法 PAGE PAGE VI III III A Abstract 江苏科技大学工学硕士学位论文 江苏科技大学工学硕士学位论文 Abstract With the completion of the genome project continually, a vast gene microarray data to be analyzed and interpreted increases exponentially, so that we can understand the gene expression patterns on the molecular level and research the life phenomenon on the microscopic level. Gene chip technology is one of the main research fields of Bioinformatics. Through this technology, it can simultaneously detect the bioactivity of tens of thousands of genes, but it also can produce large amounts of Microarray data. Gene expression data sets are charac