2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩59頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

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、科學(xué)技術(shù)不斷發(fā)展進(jìn)步,人類每天都要處理大量繁冗復(fù)雜的信息。數(shù)據(jù)挖掘技術(shù)就是從這些大量紛繁的數(shù)據(jù)中挖掘潛在有用的信息,使數(shù)據(jù)的分析和解釋更簡(jiǎn)潔容易。特征選擇是數(shù)據(jù)挖掘的一個(gè)重要分支,特征選擇算法從大量的特征中去除噪音特征和冗余特征,有價(jià)值特征的提取使特征維數(shù)降低,模型簡(jiǎn)化。代謝組學(xué)中用數(shù)據(jù)挖掘技術(shù)處理數(shù)據(jù),對(duì)生物體產(chǎn)生的代謝產(chǎn)物研究,分析代謝物質(zhì)和生物體生理病變之間的變化關(guān)系,挖掘富含信息的潛在代謝標(biāo)志物,輔助生物體疾病的診斷應(yīng)用。

2、>  代謝組學(xué)研究中,代謝產(chǎn)物之間的相互作用可能是表征發(fā)生癌變的關(guān)鍵信息,而代謝產(chǎn)物相互作用至少有兩個(gè)代謝物質(zhì)共同起作用。所以,相對(duì)于單個(gè)變量,變量組合也可能為癌變提供有用的潛在標(biāo)記物??墒?,不同的方法構(gòu)造的組合變量在特征選擇和樣本分類中有著各自的特點(diǎn)和起到不同的作用,本文利用加、減、乘和除的對(duì)數(shù)四種組合方法來(lái)構(gòu)造組合變量,選擇評(píng)價(jià)相對(duì)較優(yōu)的構(gòu)造方法組合的變量對(duì)數(shù)據(jù)來(lái)代替原始單變量表達(dá)數(shù)據(jù),作為支持向量機(jī)的特征回歸消減方法(Suppor

3、t Vector Machine-RecursiveFeature Elimination,SVM-RFE)的輸入數(shù)據(jù),進(jìn)行特征選擇和樣本分類(SVM-RFE-C)。一組液相色譜質(zhì)譜數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明組合變量的有效性,從而構(gòu)造組合變量進(jìn)行特征選擇可以得到有區(qū)分能力的信息。
  支持向量機(jī)特征迭代消減方法(SVM-RFE)是一種基于SVM典型的序列后向遞歸消除特征的方法,利用支持向量來(lái)得到每一個(gè)特征的權(quán)重大小,迭代地刪除當(dāng)前特征集

4、合中最差的特征,從而使得特征空間得以優(yōu)化。特征權(quán)重衡量每個(gè)特征對(duì)樣本分類的重要性,特征的重疊區(qū)域(Overlapping Area,OA)卻度量了特征與類標(biāo)之間的聯(lián)系,是樣本分布的一個(gè)重要的度量準(zhǔn)則。為了更好的篩選具有區(qū)分能力的特征,建立更為有效的分類模型,本文將OA與SVM-RFE相結(jié)合,對(duì)當(dāng)前空間內(nèi)每一個(gè)特征的權(quán)重進(jìn)行評(píng)價(jià),提出了一種組合的特征選擇方法OA-SVM-RFE。5個(gè)公共數(shù)據(jù)集和1組卵巢癌數(shù)據(jù)集的測(cè)試結(jié)果表明,OA-SVM

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。

評(píng)論

0/150

提交評(píng)論