基因表达谱数据的特征选择与分类算法研究-计算机技术专业论文.docxVIP

基因表达谱数据的特征选择与分类算法研究摘 基因表达谱数据的特征选择与分类算法研究 摘 要 基因芯片技术能够快速的测量成千上万条基因的表达。随着微阵列技术广泛 应用到肿瘤研究中，产生了大量高维小样本的基因表达谱数据。利用基因表达谱 数据进行生物信息挖掘是生物信息领域的研究重点。如何从海量的基因表达谱数 据中挑选冗余度小，分类能力好的特征基因，挖掘出有用的信息、更加清楚的认 识肿瘤在基因层面的意义，对肿瘤的致病机理分析、临床诊断与治疗起到至关重 要的作用。因此，寻找合适的数据处理方法来对基因表达谱进行数据挖掘成为一 个亟待解决的难题。本文的研究工作主要包括两个方面： 在特征选择方面，针对基因表达谱数据的高维、高噪声、高冗余的特点，从 特征本身出发，提出了一种基于稀疏表示和最大相关最小冗余的基因选择方法。 该算法分为两个层面：首先，利用稀疏表示系数来计算基因对于类别的重要程度， 提取排名靠前的基因，删除不相关基因，降低数据维度；然后，稀疏表示系数用 来计算在其余特征的影响之下，基因与基因之间的相关性。最后，使用改进的最 大相关最小冗余的搜索策略对特征基因进行挑选，剔除冗余基因，获得最终的特 征基因子集。这种方法不同于以往的将特征基因孤立看待的特征选择方法，充分 考虑了在其他基因的影响之下，复杂的生物关系之中各特征之问的相互关系，能 够有效的挑选特征基因，提高分类精度。 在分类器方面，提出了一种基于加权元样本的核稀疏表示分类方法。在近几 年，稀疏表示被证明具有良好的分类能力。针对稀疏表示分类方法不能很好的处 理同方向分布的数据以及元样本提取过程中人为参数的设置影响实验结果这两个 问题，本文提出一种基于加权元样本的核稀疏表示方法。首先，使用SVD分解每 一个类的原始样本矩阵，通过矩阵变换的方式构造加权元样本矩阵，获得稀疏表 示分类的字典。其次，用核稀疏表示的方法将其映射到多维空间，使得新的样本 特征能够线性可分；最后，通过计算得到稀疏表示系数，使用残差比较来对样本 进行分类。通过实验对比，与三种不同的分类方法相比较，证明了该方法的有效 性。 关键字：基因表达谱；特征选择；肿瘤分类：稀疏表示；MRMR；加权元样本 II 万方数据 工程硕士学位论文Abstract 工程硕士学位论文 Abstract Gene chip technology can quickly measure the expression of thousands of genes． With the widely application of microarray technology to cancer research，a lot of gene expression data with the characteristics of high dimension and small samples has been generated。The use of gene expression data for biological information mining is a research emphasis in the field of biological information．How to choose the gene subset with small redundancy and good classification ability from the vast amounts of gene expression profile data and dig out the useful information is a very important topic．This is very important to have a clear understanding of the significance of tumor at the genetic level and very useful to the analysis of the pathogenesis，clinical diagnosis and treatment of tumor．So further improvement iS needed for the new methods to make them more adapted to the characteristics of tumor data in order to get better classification accuracy．This study is mainly includes two aspects： In terms of feature selection，Aiming that the cha