版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、中南大學(xué)碩士學(xué)位論文基于基因表達(dá)譜的數(shù)據(jù)挖掘方法研究姓名：易麗君申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：李宏20070530ABSTRACTTheresearchoncancerbasedOr／geneexpressionprofilehasbeenanimportantresearchareaofbioinformaticsInthispaperdataminingtechnologiesareappliedtothisare
2、a，concentratingonfeaturesetselectionandcancersubtypeclassification，andsomenovelapproachesareproposedAneuralnetworkmethodforcancersubtypeclassificationwithregressionisproposedtocategorizeacuteleukemiadataTheoriginaldataar
3、eprocessedbyanupdatedSNRindexpresentedherein，andseveralfeaturegenesetcandidatesareselectedbyusingregressionmethodwithwaveletBuildingtheclassifierbyusingneuralnetwork，theoptimalfeaturesetwithfivegenesaredecidedandtheclass
4、ificationiscompletedwithaccuracyof91％Theproposedmethodandthefeaturesetareverifiedbymeansofdecisiontreemethod，andempiricalresultis86％CancersubtypeclassificationandfeaturesetselectionbasedonGSNRindexarealsoproposedBycombin
5、ingdataminingmethodandSNRindex，theirrelevantgenesareeliminatedfirstlyThentheclassifierisbuildbyusingneuralnetworkandthefeaturegenesareselectedwithsearchingapproachesandindependenttestⅥ，eapplythisnovelmethodinthesubtypecl
6、assificationofacuteleukaemia，anddecideafeaturesetwith8featuregenesTheaccuracyofclassificationis97％。neempiricalresultsprovedthatGSNRindexisrobustandextensibleFinallyanallroundindexcalledGBindex，whichcombinesGiniindexandBh
7、attacharyyadistance，isproposedtoeliminatetheirrelevantgenesAclassifierisconstructedbasedonSVMThentheoptimumfeaturesubsetisselectedfromthefeaturegeneswithBackwardSelectionSearchMethodalgorithmandindependenttestsⅥ，eapplyth
8、isnovelmethodinthesubtypeclassificationofSRBCT，anddecideamorecompactsetwith7featuregenesTheaccuracyofclassificationis100％withSVMclassifierWealsotestedthefeaturegeneswithotherclassifierssuchasANNandCBA，andtheexperimentalr
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏表示的基因表達(dá)譜數(shù)據(jù)挖掘方法研究.pdf
- 基因表達(dá)譜數(shù)據(jù)的挖掘研究.pdf
- 基因表達(dá)譜數(shù)據(jù)挖掘的特征提取方法研究.pdf
- 基因表達(dá)譜數(shù)據(jù)的挖掘模型構(gòu)建.pdf
- 基于基因功能模塊的基因表達(dá)譜數(shù)據(jù)挖掘.pdf
- 基于基因表達(dá)譜的基因挖掘算法研究.pdf
- 基因表達(dá)數(shù)據(jù)的若干挖掘方法研究.pdf
- 基因表達(dá)譜數(shù)據(jù)特征選擇方法研究.pdf
- 腫瘤基因表達(dá)譜數(shù)據(jù)聚類的譜方法研究.pdf
- 基于Laplace譜的基因表達(dá)譜數(shù)據(jù)分類研究.pdf
- 53286.基于基因功能模塊表達(dá)譜的數(shù)據(jù)挖掘
- 基因表達(dá)譜的數(shù)據(jù)挖掘技術(shù)研究及應(yīng)用.pdf
- 基于基因表達(dá)譜數(shù)據(jù)的腫瘤分類研究.pdf
- 基于鄰接譜分解的基因表達(dá)譜數(shù)據(jù)分類研究.pdf
- 腫瘤基因表達(dá)譜數(shù)據(jù)特征選擇方法研究.pdf
- 基于腫瘤基因表達(dá)譜數(shù)據(jù)的特征提取方法.pdf
- 基于譜聚類方法的基因表達(dá)數(shù)據(jù)分析研究.pdf
- 基于SAM的基因表達(dá)譜數(shù)據(jù)分析方法研究及應(yīng)用.pdf
- 52028.基因表達(dá)數(shù)據(jù)挖掘方法研究
- 用計(jì)算生物學(xué)方法根據(jù)基因表達(dá)譜數(shù)據(jù)挖掘大鼠肝再生關(guān)鍵基因研究.pdf
評(píng)論
0/150
提交評(píng)論