基于改进的svm的基因微阵列数据疾病预报

发布时间：2022-05-08 15:22

　　DNA微阵列又称DNA芯片,是上个世纪生物领域重要的发明之一。他使同时监控成千上万个基因的表达成为了可能。随着现代生活的发展,疾病诊断成为了医学很重要的一部分。本文研究利用DNA微阵列技术来做疾病诊断预测。DNA微阵列数据集有低样本,高维度,高冗余,高噪音的特点,不能直接利用机器学习的算法进行分类。本文首先对数据集进行了预处理,然后利用gs,cho’s,svm-rfe等方法进行特征提取,将基因打分,得出特征基因的排序。利用选出的基因再结合数据的特点,本文选择了使用改进的支持向量机,最小二乘向量机进行模型的训练。模型有两个重要参数,参数的选择对分类器的好坏有至关重要的影响。本文使用了遗传算法对参数优化,提高了模型的预报能力。在白血病,胶质癌,弥漫性大b淋巴癌的数据集上进行了预报测试。在白血病的数据中,取得了只用4个基因,预报准确率100%的结果,优于其他方法。本文最后还指出DNA微阵列的特征提取的现实意义,特征提取对生物学和医学的病理上的研究有一定的指导作用。 

【文章页数】：35 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
1. 绪论
    1.1 引言
    1.2 DNA微阵列介绍
        1.2.1 DNA微阵列
        1.2.2 DNA微阵列的数据特点以及应用
    1.3 疾病预报以及国内外的研究现状
    1.4 本文结构与安排
2. 数据集和特征提取的方法
    2.1 数据集介绍
    2.2 特征提取
3. 分类器的介绍
    3.1 引言
    3.2 SVM算法介绍
    3.3 KNN算法介绍
4. 智能算法参数寻优
    4.1 引言
    4.2 遗传算法参数法优化
    4.3 小结与讨论
5. 总结与展望
    5.1 案例学习
    5.2 全文研究展望
参考文献


【参考文献】：
博士论文
[1]基于DNA微阵列数据的癌症分类技术研究[D]. 于化龙.哈尔滨工程大学 2010



本文编号：3651900