文档介绍：基于启发式聚类的混合特征基因选择方法研究湖南大学硕士学位论文工羞堕诠塞握童旦塑;迨室鳘鲎旦期筌燮委虽全圭厦学校代号:普通墙僮;泌直厶堂让簋塑试盘迷童些刍整立』:簋扭抖堂皇拉盛生§旦生§旦呈型镉氖埠窠凇籎遭学号:密级:
.’●
Ⅲ佃舢㈣
■
藤被作者签名:谶撼谚日期:沙闖月;口日剜辍翵日湖南大学学位论文原创性声明日期:洲。年』月尹日学位论文版权使用授权书本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。/本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于⒈C芸冢年解密后适用本授权书。朐谝陨舷嘤Ψ娇蚰诖颉啊獭作者签名:导师签名:日期:⒉槐C芡拧.
●
摘要⒄罅屑际跏腔蜃樾畔⒀а芯康闹饕VС偶际酰0┲⒀芯刻峁┝最基本和最必要的信息及依据。然而由于基因芯片数据样本少、高维数高的特点,在基因芯片数据处理时面临了很多的困难与挑战。如何才能通过合理的算法来识别出对疾病有鉴别意义的基因集,已经成为了目前基因表达数据处理和分析的热点研究问题。所以本文研究和探索了特征基因选择算法,提出了两种基于启发式聚类的混合特征基因选择方法:谧钚∩墒骶劾嗟奶卣骰蜓≡穹椒āS捎诖车木劾喾椒ǎ皇屎处理球状数据,而最小生成树聚类算法对图形边界较复杂的数据也能得到较好的结果。因此,本文应用不同的距离度量方法于最小生成树聚类中,动态选择特征基因集,并用支持向量机进行预测。然后,提出一种精选特征基因集的方法,进一步去除冗余基因。实验表明该方法有效的降低特征基因的维数并有很好的分类准确率。诜植骄劾嗟奶卣骰蜓≡穹椒ā;虮泶锲资菥哂懈呶龋窍咝等特点。而能够较好的表达高维数据的相似性,流形距离能够很好的展示基因之间的复杂关系。本文利用和流形距离的优点,提出一种基于分步聚类的特征基因选择算法,有效的解决在高维,非线性数据空间中分辨率能力下降的问题。同时,提高分类评估方法的泛化能力,使选择出的特征基因具有更好的鲁棒性。关键词:基因表达谱;基因选择;聚类;最小生成树;支持向量机基于启发式聚类的混合特征基因选择方法研究
..,瑃.,.゛畂.’皌:籪籧籱硕士学位论文珼瑃.,;●