支持向量機在基因表達數據分析中的應用.pdf

1、后基因時代，隨著基因芯片技術的廣泛應用，基因芯片實驗數據爆炸式地增長。早期主要以聚類算法探索完全未知的基因表達模式。隨著基因分類、基因表達模式的逐步明朗，許多更有效的有監(jiān)督學習算法得到了廣泛應用，準確、高效地預測未知基因的功能。支持向量機由于自身諸多優(yōu)良的特性，使其在基因表達譜數據分析方面頗具吸引力。但是，極其有限的生物實驗結果相對于巨大的基因芯片數據來說，所提供的已知信息非常貧乏卻很寶貴。如何針對基因表達譜數據的這一特點，進行有效地S

2、VMs分析，鮮有文獻報道。本文正是針對這一特點，從擬南芥根部基因表達數據分析這一典型實際例子出發(fā)，對基因表達譜數據分析進行深入的研究。 本文主要研究工作如下：1.針對類別數未知，但有極少量已知類別訓練點的擬南芥根部基因功能分類的問題，提出了一種基于距離度量學習的多分類支持向量機算法。 2.提出一種推理型多分類支持向量機，并將其轉化成一個無約束最優(yōu)化問題來求解。并將其應用于擬南芥根部基因表達數據分析中，為基因表達數據分析提