基于稀疏性理论的肿瘤基因表达谱分类

发布时间：2017-10-17 18:19

  本文关键词：基于稀疏性理论的肿瘤基因表达谱分类

  更多相关文章： 稀疏表示分类 潜低秩表示 元样本 肿瘤 基因表达谱

【摘要】：随着DNA微阵列技术的出现,生物的基因表达数据有着爆炸性的增长,吸引了大量的科研人员投入到生物信息学的研究领域中,使得生物信息学获得了广泛的关注与研究焦点。基于DNA微阵列的肿瘤样本分类方法为快速准确的诊断肿瘤类型提供了新的解决思路。同时由于DNA微阵列的高维小样本与高噪音特性,使得这一诊断方法面临重大的挑战。稀疏表示是近年来出现的新颖的热门技术,并受到了众多研究者的广泛关注,目前已被广泛应用于模式识别领域,如人脸识别、肿瘤分类、聚类、降维等。本论文中,我们围绕稀疏表示技术,研究其在肿瘤基因表达谱数据上的分类问题,并重点关注数据中的高噪音特性,提出了有效的降噪或去噪算法,详细阐述了算法的关键流程,并与传统的算法进行比较。本文的研究工作总结如下:第一,提出了基于元样本的鲁棒稀疏表示分类器,并用于肿瘤基因表达谱数据分类。该算法是一种改进的稀疏表示分类器,它通过增加权重矩阵与迭代算法,降低数据中噪音或异常量的权重值,即降低噪音或异常量对分类的影响,以达到降噪的目的,最终实现提高肿瘤分类准确率。通过与其他算法的实验比较充分说明了该算法的可行性与有效性。第二,利用潜低秩表示算法对基因表达谱数据进行预处理,在此基础上进行分类研究。该算法能够在去除数据中的噪音的同时提取数据中的潜在特征,最终达到提高稀疏表示分类器的分类准确率。大量的实验比较结果证明了该算法是有效的。本文最后指出了当前稀疏表示分类研究中存在的一些问题和今后的研究中需要做的工作。
【关键词】：稀疏表示分类 潜低秩表示 元样本 肿瘤 基因表达谱
【学位授予单位】：曲阜师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R730.2
【目录】：

• 摘要3-4
• ABSTRACT4-7
• 第1章 绪论7-10
• 1.1 研究的背景和意义7
• 1.2 国内外研究现状7-8
• 1.3 研究的内容和方法8-9
• 1.4 主要创新点9-10
• 第2章 基因表达谱数据及肿瘤样本分类概述10-14
• 2.1 基因表达谱数据10-12
• 2.1.1 DNA微阵列技术10
• 2.1.2 DNA微阵列数据的获取与预处理10-12
• 2.2 基于基因表达谱数据的肿瘤样本分类12-13
• 2.3 本章小结13-14
• 第3章 基于元样本的鲁棒稀疏表示分类器14-24
• 3.1 引言14
• 3.2 元样本14-15
• 3.3 稀疏表示分类器15-17
• 3.4 鲁棒稀疏表示分类器17-20
• 3.5 实验内容及结果分析20-22
• 3.5.1 两类样本分类20-21
• 3.5.2 多类样本分类21-22
• 3.6 本章小结22-24
• 第4章 基于潜低秩表示的稀疏表示分类器24-32
• 4.1 引言24
• 4.2 潜低秩表示24-27
• 4.3 实验内容及结果分析27-31
• 4.3.1 两类样本分类28
• 4.3.2 多类样本分类28-29
• 4.3.3 平衡参数的选择29-31
• 4.4 本章小结31-32
• 第5章 结束语32-33
• 5.1 论文的主要工作及成果32
• 5.2 未来工作展望32-33
• 参考文献33-39
• 在读期间发表的学术论文39-40
• 致谢40

【相似文献】

中国期刊全文数据库 前10条

1 孙德利,舒琦瑾;基因表达谱在中医药研究中的意义[J];中国中医药信息杂志;2002年01期

2 刘s，

本文编号：1050327