支持向量機(jī)在微陣列基因表達(dá)譜數(shù)據(jù)分類中的應(yīng)用.pdf

1、該文在介紹微陣列數(shù)據(jù)分析現(xiàn)狀的基礎(chǔ)上,詳細(xì)描述了支持向量機(jī)的算法原理,針對(duì)基因表達(dá)譜數(shù)據(jù)集的特點(diǎn)有針對(duì)性地提高了SVMs的算法設(shè)置和訓(xùn)練過程;基于MIPS提供的基因表達(dá)公共數(shù)據(jù)庫(MYGD),重點(diǎn)闡述了如何實(shí)現(xiàn)針對(duì)基因表達(dá)譜數(shù)據(jù)的完整的SVMs算法流程;并對(duì)SVMs算法從訓(xùn)練精度和訓(xùn)練速度兩方面進(jìn)行了改進(jìn),應(yīng)用于基因表達(dá)譜數(shù)據(jù)分析之中;在文章的結(jié)尾部分列出了實(shí)驗(yàn)比較所得出的主要結(jié)果,以及相關(guān)問題的討論;并對(duì)尚待探討的問題和即將展開的研究

2、工作進(jìn)行了展望.基因表達(dá)譜數(shù)據(jù)除了具有其特殊性外,也符合數(shù)據(jù)的一般統(tǒng)計(jì)分析過程.因此,該文從數(shù)據(jù)集的整理入手,詳細(xì)介紹并比較了多種基因表達(dá)譜數(shù)據(jù)缺失值的填充方法,包括:k-近鄰法(KNN),類均值法,列均值法等;數(shù)據(jù)的歸一化方法;不同核函數(shù)的SVMs方法,包括:基因表達(dá)向量間的簡(jiǎn)單線性核函數(shù)、多項(xiàng)式核函數(shù)和徑向基核函數(shù);以及行之有效的用于解決基因表達(dá)譜數(shù)據(jù)分類問題的SVMs軟件實(shí)現(xiàn)方法,包括:數(shù)據(jù)格式的變換、數(shù)據(jù)矩陣的轉(zhuǎn)變、模型參數(shù)的選

3、取以及模型的確定、優(yōu)化等,并提供了部分自行開始的解決程序;另外,針對(duì)基因表達(dá)譜數(shù)據(jù)量大,結(jié)構(gòu)復(fù)雜,新數(shù)據(jù)集與原有數(shù)據(jù)之間具有承接性等特點(diǎn),介紹并在基因表達(dá)譜數(shù)據(jù)的處理中應(yīng)用了兩種SVMs的改進(jìn)算法:SVM增量學(xué)習(xí)算法SISVM和支持向量機(jī)與最近鄰分類結(jié)合算法SVM-KNN.通過實(shí)驗(yàn)比較,主要結(jié)論有:一、KNN法與類均值法的填充效果較其它方法要好,兩者的填充效果無統(tǒng)計(jì)學(xué)差異,可根據(jù)數(shù)據(jù)集和所采取算法的具體情況任選其一;二、與其它SVMs核

4、函數(shù)相比較,在利用基因表達(dá)譜數(shù)據(jù)識(shí)別相同功能類中的基因問題中,徑向基核函數(shù)SVM和高階多項(xiàng)式核函數(shù)SVM效果較好;三、該文所建立的SVMs分析流程簡(jiǎn)單、易操作,與建立在相同數(shù)據(jù)集上的目前較為流行的SVMs算法流程相比,模型的訓(xùn)練速度和預(yù)測(cè)精度相當(dāng),甚至更為高效;四、SVM-KNN能在一定程度上提高模型訓(xùn)練的精度,而SISVM能在不損失精度的同時(shí)較好地提高模型對(duì)增量樣本集的訓(xùn)練速度.綜上所述,SVMs作為處理微陣列實(shí)驗(yàn)數(shù)據(jù)的新工具之一,有