基于最小二乘支持向量机微阵列基因特征分类

基于最小二乘支持向量机微阵列基因特征分类

论文摘要

基因表达分析中的微阵列数据具有高维、高冗余的特点,给基因表达数据分类带来很大的困难。机器学习中的最小二乘支持向量机算法具有计算效率高的优势,从而为数据挖掘提供了一条有效途径。针对两类典型的癌症微阵列数据集(结肠癌集和白血病集),进行归一化预处理并且计算其相关系数矩阵;使用主成分分析法进行降维处理,得到用于特征选取和分类的信息基因集(各取10个基因);采用最小二乘支持向量机分类器对信息基因集进行分类。实验结果表明,该算法在两类癌症数据集上的留一交叉检验的准确率分别为97.5%和100%,具有比其他分类器都高的测试准确率,为进一步医学临床应用提供可靠的诊断依据。

论文目录

  • 0 引 言
  • 1 问题描述
  • 2 SVM和LS-SVM
  • 3 算法实现
  •   3.1 数据预处理
  •   3.2 相关系数矩阵
  •   3.3 提取主成分分量
  • 4 仿真实验
  •   4.1 实验数据及开发环境
  •   4.2 实验结果分析
  •     实验1 结肠癌数据集分类
  •     实验2 白血病数据集分类
  • 5 结 语
  • 文章来源

    类型: 期刊论文

    作者: 高振斌

    关键词: 微阵列,特征分类,降维,最小二乘支持向量机

    来源: 计算机应用与软件 2019年08期

    年度: 2019

    分类: 信息科技,基础科学

    专业: 生物学,自动化技术

    单位: 西安财经大学统计学院数学与应用数学研究所

    分类号: Q811.4;TP18

    页码: 288-292

    总页数: 5

    文件大小: 559K

    下载量: 180

    相关论文文献

    • [1].广义整体最小二乘的拓展理论及其在测量数据处理中的应用研究[J]. 测绘学报 2020(08)
    • [2].最小二乘中的病态问题[J]. 城市地理 2017(16)
    • [3].基于加权整体最小二乘的矿区平面坐标转换方法[J]. 测绘工程 2016(01)
    • [4].总体最小二乘的扰动分析[J]. 大地测量与地球动力学 2013(01)
    • [5].广义最小二乘限定记忆参数辨识方法与仿真研究[J]. 安徽大学学报(自然科学版) 2009(06)
    • [6].基于最小二乘和广义最小二乘的系统偏差估计研究[J]. 舰船电子工程 2008(08)
    • [7].基于支持向量机和最小二乘支持向量机的入侵检测比较[J]. 计算机科学 2008(10)
    • [8].多元加权总体最小二乘新解法[J]. 大地测量与地球动力学 2017(12)
    • [9].最小二乘支持向量机在钢轨磨损量预测中的应用[J]. 兰州工业学院学报 2017(01)
    • [10].最小二乘偏移方法研究进展综述[J]. 地球物理学进展 2016(04)
    • [11].线性反演最小二乘叠前偏移的矩阵形式解析[J]. 石油地球物理勘探 2014(06)
    • [12].混合总体最小二乘的迭代解算算法[J]. 数据采集与处理 2015(04)
    • [13].总体最小二乘求解线性模型的一种新算法[J]. 地矿测绘 2014(01)
    • [14].过滤窗最小二乘支持向量机的混沌时间序列预测[J]. 物理学报 2013(12)
    • [15].基于最小二乘映射的多参数结构问题快速计算方法[J]. 中国机械工程 2011(06)
    • [16].基于最小二乘支持向量机的刀具磨损预报建模[J]. 武汉工业学院学报 2009(02)
    • [17].剔除相关性的最小二乘研究[J]. 数理统计与管理 2009(05)
    • [18].最小二乘模糊支撑向量机研究[J]. 佛山科学技术学院学报(自然科学版) 2008(04)
    • [19].基于信噪比检验的病态总体最小二乘谱修正迭代法[J]. 西南师范大学学报(自然科学版) 2020(03)
    • [20].加权多任务最小二乘双支持向量机[J]. 智能计算机与应用 2020(02)
    • [21].最小二乘偏移研究现状及发展趋势[J]. 石油物探 2018(06)
    • [22].抗差总体最小二乘理论研究进展[J]. 河北北方学院学报(自然科学版) 2018(01)
    • [23].基于奇异值分解法的抗差总体最小二乘[J]. 江西科学 2015(01)
    • [24].基于最小二乘支持向量机控制器的研究[J]. 黑龙江电力 2011(02)
    • [25].最小二乘支持向量机的研究与应用[J]. 安庆师范学院学报(自然科学版) 2009(01)
    • [26].增广最小二乘限定记忆参数估计算法与仿真[J]. 合肥工业大学学报(自然科学版) 2009(07)
    • [27].剔除相关性的最小二乘理论研究[J]. 数理医药学杂志 2008(06)
    • [28].最小二乘支持向量机在人脸识别中的应用[J]. 云南大学学报(自然科学版) 2008(03)
    • [29].坐标转换四参数解算的整体最小二乘新方法[J]. 测绘工程 2017(09)
    • [30].基于模糊增强与最小二乘支持向量机的图像边缘检测[J]. 自动化与仪器仪表 2016(07)

    标签:;  ;  ;  ;  

    基于最小二乘支持向量机微阵列基因特征分类
    下载Doc文档

    猜你喜欢