a国产,中文字幕久久波多野结衣AV,欧美粗大猛烈老熟妇,女人av天堂

當(dāng)前位置:主頁 > 碩博論文 > 信息類碩士論文 >

基于打分準(zhǔn)則和微粒群算法的基因選擇方法研究

發(fā)布時(shí)間:2018-03-16 21:36

  本文選題:基因表達(dá)譜數(shù)據(jù) 切入點(diǎn):基因選擇 出處:《江蘇大學(xué)》2017年碩士論文 論文類型:學(xué)位論文


【摘要】:癌癥作為現(xiàn)今社會的生命殺手,種類繁多,治療方法各異,盡早確診對癥下藥是挽救生命的關(guān)鍵;蛐酒某霈F(xiàn)為人類在分子角度認(rèn)識疾病機(jī)理提供了新的路徑,通過對基因表達(dá)譜數(shù)據(jù)進(jìn)行挖掘發(fā)現(xiàn)致病基因?qū)Π┌Y的診斷和治療具有重要意義。雖然不少基因選擇方法能夠選出具有較高分類性能的基因子集,但這些方法存在算法時(shí)間開銷大,選出的基因解釋性差冗余度高的缺點(diǎn),為了克服這些方法的不足,本文在提出一種有效打分機(jī)制的基礎(chǔ)上,利用微粒群算法和極限學(xué)習(xí)機(jī)進(jìn)行基因選擇,選擇出了分類性能高、可解釋性好的基因集合。本文的主要工作如下:(1)針對傳統(tǒng)基因選擇方法時(shí)間開銷大、選出的基因子集可解釋性差的缺陷,提出了一種基于打分準(zhǔn)則和改進(jìn)PSO算法的基因選擇方法。首先利用分類信息指數(shù)對原始基因池進(jìn)行預(yù)處理,基于數(shù)學(xué)抽樣調(diào)查的科學(xué)性隨機(jī)生成限定基因數(shù)目的基因集合矩陣,利用極限學(xué)習(xí)機(jī)對基因集合進(jìn)行評價(jià),并挑選出滿足條件的基因集合,然后利用打分準(zhǔn)則對基因進(jìn)行評價(jià)、排序,并篩選相關(guān)基因;最后利用模擬退火算法改進(jìn)PSO算法,并對打分準(zhǔn)則評價(jià)后的基因進(jìn)行進(jìn)一步選擇。該方法步驟簡單,時(shí)間開銷小。在多個(gè)公開的基因表達(dá)譜數(shù)據(jù)集上的實(shí)驗(yàn)——結(jié)果表明相比其他方法,由于大量準(zhǔn)確的冗余刪除,可以快速高效的選擇出與腫瘤類別高度相關(guān)的基因子集。(2)針對打分準(zhǔn)則機(jī)制未能充分利用基因與分類相關(guān)的直接信息以及PSO算法依然易于陷入局部最優(yōu)的缺陷提出了基因信息加權(quán)和粒子半初始化的改進(jìn)方法。首先根據(jù)方差的大小調(diào)整求取平均適應(yīng)度值的次數(shù),然后利用基因本身包含的分類權(quán)重信息作為打分準(zhǔn)則的新增評價(jià)標(biāo)準(zhǔn)來完善打分機(jī)制,最后針對PSO算法易于陷入局部最優(yōu)的缺點(diǎn),設(shè)定更新閾值,迫使一半粒子在范圍內(nèi)更新從而改進(jìn)算法。改進(jìn)的方法充分利用了基因自身包含的信息,使得打分機(jī)制更加合理;相比其他方法能更快跳出局部最優(yōu)。在四個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,在基于信息加權(quán)和微粒群算法的基礎(chǔ)上,進(jìn)一步提高了所選基因子集的分類準(zhǔn)確率。
[Abstract]:Cancer is the killer of life in today's society. There are many kinds of cancer. The correct diagnosis of cancer is the key to saving lives. The emergence of gene chip provides a new way for human to understand the mechanism of disease from a molecular perspective. By mining the data of gene expression profiles, we find that pathogenic genes are of great significance for the diagnosis and treatment of cancer. Although many gene selection methods can select subsets of genes with high classification performance, However, these methods have some disadvantages such as high time cost and high redundancy of genetic interpretive difference. In order to overcome the shortcomings of these methods, an effective scoring mechanism is proposed in this paper. Using particle swarm optimization algorithm and extreme learning machine to select gene sets with high classification performance and good interpretability. The main work of this paper is as follows: (1) the traditional gene selection methods cost a lot of time. In this paper, a method of gene selection based on scoring criterion and improved PSO algorithm is proposed. Firstly, the classification information index is used to preprocess the original gene pool. Based on the scientific random generation of gene set matrix with limited number of genes based on mathematical sampling survey, the gene set is evaluated by extreme learning machine, and the gene set that meets the condition is selected, and then the gene is evaluated by scoring criterion. Sequencing and screening related genes. Finally, the simulated annealing algorithm is used to improve the PSO algorithm, and further selection of the genes evaluated by the scoring criteria is carried out. The steps of this method are simple, Experimental results on multiple published gene expression data sets show that, compared with other methods, due to a large number of accurate redundant deletions, We can quickly and efficiently select a subset of genes that are highly related to the tumor category. (2) aiming at the failure of the scoring criterion mechanism to make full use of the direct information related to the classification of genes and the fact that the PSO algorithm is still prone to fall into the local optimal defect proposal. An improved method of genetic information weighting and particle semi-initialization is proposed. Firstly, the average fitness is calculated according to the magnitude of variance. Then, the classification weight information contained by gene itself is used as the new evaluation criterion to improve the scoring mechanism. Finally, aiming at the disadvantage of PSO algorithm which is prone to fall into local optimum, the update threshold is set. The algorithm is improved by forcing half of the particles to update in the range. The improved method makes full use of the information contained in the gene itself and makes the scoring mechanism more reasonable. Experimental results on four datasets show that the classification accuracy of the selected gene subset is further improved on the basis of information weighting and particle swarm optimization.
【學(xué)位授予單位】:江蘇大學(xué)
【學(xué)位級別】:碩士
【學(xué)位授予年份】:2017
【分類號】:R73-3;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 裘日輝;劉康玲;譚海龍;梁軍;;基于極限學(xué)習(xí)機(jī)的分類算法及在故障識別中的應(yīng)用[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2016年10期

2 謝娟英;高紅超;;基于統(tǒng)計(jì)相關(guān)性與K-means的區(qū)分基因子集選擇算法[J];軟件學(xué)報(bào);2014年09期

3 張靖;胡學(xué)鋼;李培培;張玉紅;;基于迭代Lasso的腫瘤分類信息基因選擇方法研究[J];模式識別與人工智能;2014年01期

4 葉小勇;雷勇;侯海軍;;蟻群算法在全局最優(yōu)路徑尋優(yōu)中的應(yīng)用[J];系統(tǒng)仿真學(xué)報(bào);2007年24期

5 李穎新;李建更;阮曉鋼;;腫瘤基因表達(dá)譜分類特征基因選取問題及分析方法研究[J];計(jì)算機(jī)學(xué)報(bào);2006年02期

6 李穎新,阮曉鋼;基于支持向量機(jī)的腫瘤分類特征基因選取[J];計(jì)算機(jī)研究與發(fā)展;2005年10期

7 王明怡,吳平,夏順仁;基于人工神經(jīng)網(wǎng)絡(luò)集成的微陣列數(shù)據(jù)分類[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2005年07期

8 李穎新,阮曉鋼;基于基因表達(dá)譜的腫瘤亞型識別與分類特征基因選取研究[J];電子學(xué)報(bào);2005年04期

9 朱云華,李穎新,阮曉鋼;基于基因表達(dá)譜的小圓藍(lán)細(xì)胞瘤亞型識別[J];計(jì)算機(jī)應(yīng)用;2004年11期

10 陳銘;后基因組時(shí)代的生物信息學(xué)[J];生物信息學(xué);2004年02期

相關(guān)博士學(xué)位論文 前2條

1 石向榮;面向過程監(jiān)控的非線性特征提取方法研究[D];浙江大學(xué);2014年

2 朱林;基于特征加權(quán)與特征選擇的數(shù)據(jù)挖掘算法研究[D];上海交通大學(xué);2013年

,

本文編號:1621746

資料下載
論文發(fā)表

本文鏈接:http://www.wukwdryxk.cn/shoufeilunwen/xixikjs/1621746.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶5f810***提供,本站僅收錄摘要或目錄,作者需要?jiǎng)h除請E-mail郵箱bigeng88@qq.com
国产乱码精品一区二区三区香蕉| 伊人久久一区二区三区无码| 西西人体www大胆高清视频| 少妇专区| 色香色香欲天天天影视综合网| 蜜臀久久久| 大香蕉大香蕉在线| 999久久| 青青草网址| 一区在线播放| 午夜免费视频| 亚洲中文字幕无码爆乳AV| 人体内射精一区二区三区| 亚洲人成网站色7799| 欧美激情另欧美做真爱| 国产精品激情欧美可乐视频| 车上震动A级作爱视频| 在线精自偷自拍无码| 蜜桃AV抽搐高潮一区二区| 国产爆乳无码一区二区麻豆| 国产强被迫伦姧在线观看无码| 亚洲日韩av无码中文| 东北老女人高潮大喊舒服死了 | 日韩免费无码视频一区二区三区| 性荡视频播放在线视频7777| 南宫市| 全部av―极品视觉盛宴| 免费观看男女性高视频| 国产黄在线观看免费观看| 亚洲成AV人片天堂网久久| 久久只有这里才是精品| 精品久久久久久久久午夜福利 | 亚洲欧美日韩精品久久 | 亚洲区精品区日韩区综合区| 久久久久亚洲精品无码网址色欲| 亚洲av永久无码老湿机漫画| 天天爽天天爽天天爽| 综合无码一区二区三区| 国产热の有码热の无码视频| 中国A级毛片免费观看| 一个人hd在线观看免费高清视频 |