基于Laplace譜的基因表達(dá)譜數(shù)據(jù)分類研究.pdf

1、基因表達(dá)譜數(shù)據(jù)分類研究就是通過(guò)分析DNA 微陣列實(shí)驗(yàn)中所獲取的基因表達(dá)譜數(shù)據(jù)，發(fā)掘出不同樣本間的基因表達(dá)差異，尋找基因與組織病變之間所存在的內(nèi)在聯(lián)系。雖然模式識(shí)別領(lǐng)域的各種算法在這些年來(lái)都有了長(zhǎng)足的發(fā)展，但是在針對(duì)基因表達(dá)譜數(shù)據(jù)的分類研究中仍有許多問(wèn)題需要解決?；虮磉_(dá)譜數(shù)據(jù)由于其獲取方式的獨(dú)特性，具有高維度，低樣本的特點(diǎn)。傳統(tǒng)的機(jī)器學(xué)習(xí)方法在面對(duì)這種數(shù)據(jù)時(shí)，無(wú)法取得較好的分類結(jié)果，并且其極高的運(yùn)算復(fù)雜度，大大降低了數(shù)據(jù)分析效率。本文基

2、于譜圖理論展開(kāi)針對(duì)基因表達(dá)譜數(shù)據(jù)的分類研究，將反映圖結(jié)構(gòu)的特征表示引入到基因表達(dá)譜數(shù)據(jù)分類中，研究基因表達(dá)譜數(shù)據(jù)的特征提取及基于譜圖理論的基因譜表達(dá)數(shù)據(jù)分類方法，并對(duì)算法的性能進(jìn)行分析。主要研究?jī)?nèi)容有：1.基因表達(dá)譜數(shù)據(jù)蘊(yùn)含著大量的生物信息，如何有效地從中挑選出特征基因?qū)?duì)算法的準(zhǔn)確率及實(shí)時(shí)性產(chǎn)生巨大的影響。本文提出一種利用熵度量作為指標(biāo)進(jìn)行癌癥基因表達(dá)數(shù)據(jù)特征提取的方法。首先對(duì)基因表達(dá)數(shù)據(jù)進(jìn)行篩選并計(jì)算各個(gè)基因的熵，然后提取出熵最大的

3、若干基因作為特征基因，并用支持向量機(jī)進(jìn)行分類。對(duì)前列腺癌基因表達(dá)數(shù)據(jù)的留一法以及分組法實(shí)驗(yàn)都證明了該方法的有效性。2. 嘗試著將一種基于Laplace 譜的算法應(yīng)用于癌癥基因表達(dá)譜數(shù)據(jù)的分類上。該方法首先挑選出與類中心歐式距離最小的若干個(gè)樣本通過(guò)高斯權(quán)構(gòu)造Laplace 完全圖，記為代表該類的標(biāo)準(zhǔn)圖。然后用待測(cè)樣本依次替換標(biāo)準(zhǔn)圖中所有的點(diǎn)，將生成的新圖與標(biāo)準(zhǔn)圖進(jìn)行特征點(diǎn)匹配，并計(jì)算匹配點(diǎn)數(shù)總和。最后將待測(cè)樣本劃分為總匹配點(diǎn)數(shù)最多的那個(gè)類