基于優(yōu)化算法的蛋白質(zhì)質(zhì)譜數(shù)據(jù)分析.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明: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),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、本文研究了基于優(yōu)化算法的蛋白質(zhì)質(zhì)譜數(shù)據(jù)的特征選擇問題。蛋白質(zhì)質(zhì)譜技術(shù)對于早期癌癥的診斷和識別生物標(biāo)記物是一種革命性的研究工具。但是數(shù)據(jù)的高維性和小樣本問題對于模式識別方法提出了很大的挑戰(zhàn)。因此為了解決質(zhì)譜數(shù)據(jù)的維災(zāi)難問題,在模式分類之前特征選擇是必須的降維步驟。特征選擇最重要的兩個(gè)因素是搜索策略和特征評價(jià)度量。在生物信號的特征選擇領(lǐng)域,單變元特征評價(jià)度量已經(jīng)在文獻(xiàn)中提出應(yīng)用,但是多變元度量卻極少使用。本文提出了兩個(gè)有效的智能優(yōu)化算法--

2、遺傳算法和模擬退火算法來進(jìn)行特征選擇,并且提出了5個(gè)多變元特征子集評價(jià)函數(shù)--包括基于封裝器的度量和基于過濾器的度量。k-fold交叉驗(yàn)證用來劃分?jǐn)?shù)據(jù)成訓(xùn)練樣本集和測試樣本集?;诰€性判別式分析的模式分類器被用來驗(yàn)證特征選擇的子集。 通過實(shí)驗(yàn)表明,馬氏距離及經(jīng)驗(yàn)分類錯(cuò)誤率和后驗(yàn)概率的線性組合是2個(gè)很好的特征子集評價(jià)函數(shù)。同其他方法的比較結(jié)果證明,本文提出的基于智能優(yōu)化算法特征選擇模型和特征子集評價(jià)度量的結(jié)合可以獲得比其他文獻(xiàn)中已

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論