基因表達(dá)數(shù)據(jù)的分析與處理.pdf

1、生物信息學(xué)是連接生物數(shù)據(jù)與醫(yī)學(xué)研究的橋梁,是隨著人類基因組計(jì)劃的啟動(dòng)而興起的一門新的交叉學(xué)科?；蚪M學(xué)、蛋白質(zhì)組學(xué)和DNA芯片技術(shù)的發(fā)展,使得同時(shí)觀測(cè)成千上萬(wàn)的基因表達(dá)水平成為可能,如何從這些海量數(shù)據(jù)中挖掘出有用的信息,發(fā)現(xiàn)基因的功能具有重要的研究意義。缺失值處理和聚類分析是數(shù)據(jù)挖掘中的關(guān)鍵步驟。論文首先分析了常用缺失數(shù)據(jù)處理方法的優(yōu)缺點(diǎn),針對(duì)K-近鄰(KNN)法插補(bǔ)速度快但精確度不高,支持向量回歸(SVR)法插補(bǔ)精度高但相當(dāng)耗時(shí)等不足

2、,采用KNN與SVR相結(jié)合的方法實(shí)現(xiàn)缺失值的填充處理,通過(guò)對(duì)含有缺失值的酵母基因表達(dá)數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明,本文算法能夠在較高插補(bǔ)精度的基礎(chǔ)上有效地降低插補(bǔ)時(shí)間。其次,論文針對(duì)現(xiàn)有基因表達(dá)數(shù)據(jù)聚類算法存在的誤判、聚類不精確等缺點(diǎn),利用支持向量聚類算法(SVC)尋找最優(yōu)分類超球?qū)崿F(xiàn)對(duì)數(shù)據(jù)集的有效劃分；并在現(xiàn)有的基于類內(nèi)距離最小的聚類有效性評(píng)估準(zhǔn)則的基礎(chǔ)上,提出了一種加入類間信息的評(píng)價(jià)方法,通過(guò)模擬退火算法尋找SVC算法中的最優(yōu)核函數(shù)參數(shù)和懲罰