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)，請進行舉報或認領(lǐng)
文檔簡介
1、腫瘤是影響人類健康的主要疾病之一，然而目前的腫瘤診斷方法和治療效果都不是很理想?；诨虮磉_譜的腫瘤分子診斷方法是一種全新的快速而準確的診斷方法，它還能檢測腫瘤的進展、惡化程度以及抗癌藥物的耐藥性等，為臨床醫(yī)生診斷腫瘤分型、提供治療方案以及分析預(yù)后提供一種重要參考。目前，具有“高維，小樣本”特征的微陣列數(shù)據(jù)不斷積累，如何有效地從這些高維數(shù)據(jù)中獲取有用信息或規(guī)律己成為當今信息科學與技術(shù)
從基因表達譜的成千上萬個基因中選擇分類
2、能力強，數(shù)量少的特征基因極具復(fù)雜性。通常情況下，在如此大的基因空間中進行窮盡搜索是不可能的。因此選擇合適的特征提取方法是非常重要的。
本論文中，我們在總結(jié)流形學習算法成果的基礎(chǔ)上，我們應(yīng)用一種新的特征提取方法和一些流形學習算法對兩類和多類分類問題進行了研究比較，最后我們利用CMVM(Constrained Maximum Variance Mapping，CMVM)和局部線性判別嵌入算法(locallylinear dis
3、criminant embedding，LLDE)算法對跨平臺腫瘤數(shù)據(jù)進行了分類比較研究。
本文主要作了以下研究工作：第一，把一種腫瘤基因表達數(shù)據(jù)特征提取方法——基于約束最大差異投影的特征提取方法(Constrained Maximum Variance Mapping:CMVM)應(yīng)用于腫瘤樣本基因特征提取，然后我們用K-NN分類器進行分類：在兩類分類實驗中，我們對前列腺癌數(shù)據(jù)集和乳腺癌數(shù)據(jù)集進行了特征提取及識別率的分析；
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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 基于流形學習和多任務(wù)學習的腫瘤基因表達數(shù)據(jù)分類方法研究.pdf
- 基于流形學習的基因微陣列數(shù)據(jù)分類研究.pdf
- 基于流形學習的分類技術(shù).pdf
- 基于流形學習的文本分類方法研究.pdf
- 基于流形學習的數(shù)據(jù)降維.pdf
- 數(shù)據(jù)降維及分類中的流形學習研究.pdf
- 基于流形學習的數(shù)據(jù)降維的研究.pdf
- 基于流形學習的高光譜數(shù)據(jù)特征提取及分類.pdf
- 基于流形學習的數(shù)據(jù)降維算法研究.pdf
- 基于流形學習的數(shù)據(jù)降維方法研究.pdf
- 基于流形學習的分類算法及其應(yīng)用研究.pdf
- 基于基因表達譜數(shù)據(jù)的腫瘤分類研究.pdf
- 基于流形學習的高維空間分類器研究.pdf
- 基于流形學習的數(shù)據(jù)降維算法的研究.pdf
- 基于流形學習與分類技術(shù)的人臉識別研究.pdf
- 基于流形學習的數(shù)據(jù)約簡方法研究與應(yīng)用.pdf
- 基于基因表達數(shù)據(jù)的腫瘤分類算法研究.pdf
- 基于基因表達譜的腫瘤數(shù)據(jù)分類研究.pdf
- 基于流形學習的中文Web文本分類算法研究.pdf
- 基于流形學習的半監(jiān)督分類方法及其應(yīng)用.pdf
評論
0/150
提交評論