基因微陣列數(shù)據(jù)的SVM分類器優(yōu)化方法.pdf

1、支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)上發(fā)展起來的一種新的學(xué)習(xí)方法,是目前最為流行的分類技術(shù)之一。與其他學(xué)習(xí)算法相比,支持向量機(jī)使用了結(jié)構(gòu)風(fēng)險最小化原則,能較好的解決小樣本學(xué)習(xí)問題,尤其是針對維數(shù)高、樣本小、非線性的基因微陣列數(shù)據(jù)。
　　 DNA微陣列由于荷載了成千上萬個DNA片段,由此而產(chǎn)生大量的基因微陣列數(shù)據(jù),其研究和分析對輔助疾病的診斷和治療有很高的醫(yī)學(xué)應(yīng)用價值。隨著微陣列信息處理和信息挖掘技術(shù)開發(fā)的與日俱增,支持向量機(jī)作為一種

2、有潛能的數(shù)據(jù)挖掘技術(shù)已經(jīng)成為研究基因芯片的一個重要方向。圍繞此課題,論文主要做了以下方面的工作:
　　 (1)針對基因微陣列數(shù)據(jù)的維數(shù)災(zāi)難問題,本文設(shè)計(jì)將支持向量機(jī)與多種降維方法融合的優(yōu)化方法。研究多種降維方法對提高支持向量機(jī)分類器性能的影響。
　　 (2)采用五種癌癥數(shù)據(jù)進(jìn)行降維分析并給出SVM分類結(jié)果。通過研究線性和非線性降維方法對微陣列數(shù)據(jù)分類結(jié)果影響,從而驗(yàn)證了高維生物數(shù)據(jù)潛在的非線性結(jié)構(gòu)。
　　 (3)