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、粗糙集理論是一種可以處理不精確、不確定、不完備和不一致數(shù)據(jù)的有效的數(shù)據(jù)分析工具。近年來(lái),粗糙集理論憑借其獨(dú)特的優(yōu)勢(shì)開始逐漸應(yīng)用到生物信息學(xué)領(lǐng)域,并且在腫瘤分類特征基因選擇方面取得了一些較好的研究成果。然而粗糙集理論是定義在等價(jià)關(guān)系基礎(chǔ)上的,只能處理離散型數(shù)據(jù),如果處理數(shù)值型數(shù)據(jù)則需要先對(duì)其進(jìn)行離散化處理,這不僅需要花費(fèi)大量的預(yù)處理時(shí)間,而且在離散化的過(guò)程中可能會(huì)丟失一些重要信息,從而導(dǎo)致分類精度下降。而鄰域粗糙集理論能夠直接處理數(shù)值型數(shù)
2、據(jù),可以直接應(yīng)用于特征基因選擇,從而可以節(jié)省大量的數(shù)據(jù)預(yù)處理時(shí)間,并且可以在一定程度上避免信息丟失,使得所選擇的特征基因子集能夠較大限度地保持原始數(shù)據(jù)集的分類能力。
本文將鄰域粗糙集理論應(yīng)用到特征基因選擇方法中,并將鄰域互信息作為相關(guān)度的度量標(biāo)準(zhǔn),提出一些特征基因選擇算法。本文的主要?jiǎng)?chuàng)新點(diǎn)如下:
(1)針對(duì)傳統(tǒng)的特征選擇方法在處理數(shù)值型數(shù)據(jù)時(shí)需要對(duì)其進(jìn)行離散化處理,將導(dǎo)致部分重要信息丟失和分類精度下降等問(wèn)題,本文基于
3、鄰域互信息對(duì)Relief算法進(jìn)行改進(jìn),提出了一種NRFE_Relief算法,并用該算法對(duì)基因進(jìn)行排序生成候選特征基因集合;引入能夠直接處理數(shù)值型數(shù)據(jù)的鄰域粗糙集屬性約簡(jiǎn)模型,對(duì)候選特征基因集合進(jìn)行屬性約簡(jiǎn),得到相關(guān)特征基因子集;再利用粒子群優(yōu)化算法檢測(cè)相關(guān)特征基因子集,選擇出最優(yōu)或次優(yōu)的特征基因子集。在此基礎(chǔ)上,構(gòu)建了基于鄰域粗糙集和粒子群優(yōu)化的特征基因選擇算法。實(shí)驗(yàn)結(jié)果表明,該算法可快速有效地選取腫瘤特征基因,并且能夠獲得較好的分類效
4、果。
(2)為了避免腫瘤無(wú)關(guān)基因以及噪聲的影響,本文提出了一種基于鄰域互信息和自組織映射的特征基因選擇算法。該算法利用NRFE_Relief算法對(duì)基因進(jìn)行排序,選擇出初始的基因子集;采用能夠直接處理基因數(shù)據(jù)的鄰域互信息代替歐氏距離測(cè)量屬性之間的相關(guān)性,對(duì)自組織映射聚類算法進(jìn)行改進(jìn),并用改進(jìn)后的自組織映射聚類算法對(duì)初始的基因子集進(jìn)行聚類;定義了基于鄰域互信息的屬性重要性系數(shù),從每一類簇中選擇代表基因形成特征基因子集。實(shí)驗(yàn)結(jié)果表明
5、,該算法可以有效地選取特征基因,從而提高了分類精度。
(3)為克服K-means算法存在硬劃分的不足和彌補(bǔ)模糊C均值聚類算法容易導(dǎo)致局部收斂和聚類效果不佳的缺陷,以及更好的處理數(shù)值型的基因數(shù)據(jù),本文基于鄰域粗糙集中的鄰域關(guān)系和鄰域互信息定義了屬性的內(nèi)聚度與屬性間的鄰域耦合度,提出了一種新的初始聚類中心選擇算法,并基于此算法改進(jìn)了模糊C均值聚類算法,利用改進(jìn)的模糊C均值聚類算法對(duì)基因數(shù)據(jù)進(jìn)行聚類;采用基于鄰域互信息的屬性重要性系
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
- 基于鄰域互信息的腫瘤基因選擇研究.pdf
- 基于互信息的變量選擇方法研究
- 基于綜合比率因子的互信息特征選擇方法的改進(jìn).pdf
- 34819.基于互信息的變量選擇方法研究
- 基于互信息特征選擇算法的文本自動(dòng)分類研究.pdf
- 基于互信息的冶金煤氣非完備數(shù)據(jù)特征選擇.pdf
- 基于最小聯(lián)合互信息虧損的最優(yōu)特征選擇算法研究.pdf
- 基于互信息的屬性選擇算法研究.pdf
- 中文文本分類中互信息特征選擇方法研究.pdf
- 基于特征分類能力互補(bǔ)性和歸一化互信息的特征選擇方法.pdf
- 基于互信息的圖像配準(zhǔn)方法研究.pdf
- 基于互信息網(wǎng)絡(luò)關(guān)鍵基因選取的優(yōu)化方法.pdf
- 基于點(diǎn)間互信息的主題優(yōu)化方法.pdf
- 基于改進(jìn)互信息的醫(yī)學(xué)圖像配準(zhǔn)方法研究.pdf
- 基于特征點(diǎn)和互信息的醫(yī)學(xué)圖像配準(zhǔn)研究.pdf
- 基于最大互信息的醫(yī)學(xué)圖像配準(zhǔn)方法研究.pdf
- 基于互信息特征的移動(dòng)云計(jì)算聯(lián)盟推薦算法研究.pdf
- 基于互信息的圖像拼接算法研究.pdf
- 基于改進(jìn)互信息的多尺度彈性配準(zhǔn)方法研究.pdf
- 改進(jìn)的互信息與LDA結(jié)合的特征降維方法研究.pdf
評(píng)論
0/150
提交評(píng)論