面向高維DNA數(shù)據(jù)的自動(dòng)特征選擇及特征子集穩(wěn)定性研究.pdf

1、分類號(hào)TP31I密級(jí)公開重慶郵電大學(xué)碩士學(xué)位論文論文題目亟魚高絲旦墮壘麴握鮑自邊鹽塹墊捶盈鹽笙主篡整棗：睦盟寇英文題目—ResearchofAutoion—ofInformativeGeneand—————————StabilityofFeatureSubsetinMicroarrayData——————指導(dǎo)教師三國塑塹蕉學(xué)科專業(yè)鹽笠墊廛旦墊查論文提交日期!!!!生!旦!i旦論文答辯日期!!!!生i旦!i旦論文評(píng)閱人答辯委員會(huì)主席——肖

2、國強(qiáng)教授2013年5月重慶郵電大學(xué)碩士論文摘要摘要基因芯片技術(shù)為腫瘤疾病的研究提供了一種全新的手段。在一次實(shí)驗(yàn)巾，人們可以快速測(cè)量組織樣本中成千上萬個(gè)基因的表達(dá)數(shù)據(jù)，這在為收集基因表達(dá)數(shù)據(jù)帶來方便的同時(shí)，也為從海量基因表達(dá)數(shù)據(jù)中挖掘出有用的信息和知識(shí)帶來了嚴(yán)峻的挑戰(zhàn)。由于微陣列基因表達(dá)數(shù)據(jù)是典型的高維小樣本、高噪聲數(shù)據(jù)，如何找出對(duì)疾病最具分類識(shí)別能力、與疾病最相關(guān)且具有最小冗余度的特征基因子集，對(duì)腫瘤疾病分類、病例診斷以及藥物研制等具有

3、重大意義。因此，本文以腫瘤基因表達(dá)數(shù)據(jù)為研究對(duì)象，主要研究和探索基因表達(dá)數(shù)據(jù)特征基因的選擇數(shù)目及特征選擇結(jié)果的穩(wěn)定性，以此希望為生物領(lǐng)域?qū)＜液罄m(xù)腫瘤疾病的研究提供穩(wěn)定可靠的候選基因。全文的主要工作包括以下兩個(gè)方面：(1)研究并實(shí)現(xiàn)了一種基于隨機(jī)序列和相關(guān)信息熵的自動(dòng)特征選擇方法。針對(duì)研究人員在分析基因特征選擇算法時(shí)，對(duì)于到底選擇多少個(gè)基因作為特征子集沒有定論，目前基因選擇數(shù)目仍依賴于先驗(yàn)知識(shí)，研究人員在分析基因特征選擇算法時(shí)，主要采用交

4、叉驗(yàn)證，依據(jù)測(cè)試結(jié)果人為的確定特征基因的數(shù)目，這往往不能選擇到最優(yōu)的特征基因子集。本文提出了一種自動(dòng)特征選擇方法。首先，結(jié)合非參數(shù)方法和filter思想，提出通過度量決策序列的“隨機(jī)性”來計(jì)算每個(gè)基因的權(quán)值并排序；然后，結(jié)合相關(guān)信息熵進(jìn)行冗余去除，同時(shí)自動(dòng)地選擇出具有高分辨能力、低冗余度的特征基因子集。實(shí)驗(yàn)結(jié)果表明，文中提出的方法能從多類別腫瘤基因表達(dá)數(shù)據(jù)中自動(dòng)選出30個(gè)具有良好分類能力的特征基因，且具有較高的正確識(shí)別率。(2)研究并實(shí)

5、現(xiàn)了一種基于平均偏差的樣本加權(quán)特征選擇方法。針對(duì)目前基因選擇算法對(duì)測(cè)試樣本數(shù)量的敏感性問題，即當(dāng)基因表達(dá)數(shù)據(jù)的樣本數(shù)量變動(dòng)時(shí)，通過同一特征選擇算法得到的基因子集差異很大，甚至完全不同。本文根據(jù)在同iJll練集中，每個(gè)樣本都具有獨(dú)特性，每個(gè)樣本的表達(dá)值是不同的，不同的樣本對(duì)特征選擇結(jié)果的影響是不同的這一思想，提出了一種基于樣本平均偏差的穩(wěn)定特征選擇方法。首先，計(jì)算每個(gè)樣本在所有基因上的平均偏差和，如果某個(gè)樣本的平均偏差和明顯高于其它樣本，