基于压缩感知算法的基因表达数据分类的研究

《基于压缩感知算法的基因表达数据分类的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、劣妻京交欹硕士学位论文基于压缩感知算法的基因表达数据分类的研究ResearchofGeneExpressionDataClassificationBasedOilCompressiveSensingAlgorithm作者：任丛林导师：乇瑞平北京交通大学学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京变通大学W以将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权晚明)学位论文作者签

2、名：以6q朱签字FI期：》。止年7月4日导师签名：参女薪昂签字R期：，一肛年。7n臼1中圈分类号：rP39172学校代码：10044密级：公开北京交通大学硕士学位论文基于压缩感知算法的基因表达数据分类的研究ResearchofGeneExpressionDataClassificationBasedonCompressiveSensingAlgorithm作者姓名：任丛林导师姓名：王瑞平学位类别：工学学科々业：生物医学I=程学号：10120561职称：副教授学位级别：硕士研究方向：信号处理北京交通大学2012年6月致谢首先我要衷心的感谢在我研究生期间给我悉心指导的恩师王瑞平老师，王

3、老师给我提供了优良的研究环境和课题研究所需资源，并且撰写论文期问给予了我精心的指导提出了宝贵的修改意见。王老师广博深厚的知班积累和严谨求实的治学态度给我留下了深刻的印象。感谢王老师，从毕业论文题目的选定，到实验过程中的指点迷经，再到

4、仑文的完成，都离不开她的悉心指导。王老师一丝不苟的治学态度、踏踏实实的做人精神，使我不仅在知识上获得丰收，也使我学到了很多做人的道理。在两年的学习中，使我深受启迪，必将受益终身。感谢实验室的师兄师姐，两年研究生生活中给予我的帮助和指导。感谢实验室的同学们，iE式由于你们的帮助和支持．我克服了求学过程中的一个接个的困难和疑惑，直至本文的顺利完成。感谢你们

5、，陪我在研究生学习期『日J共同渡过了一段难忘的薨好时光。特别感谢我的父母干¨家人．是他们给了我最深切的关怀和始终如一的支持，他们的情感水远是我投入学习事业的不竭的动力。艟后t再次衷心的感谢研究生期问对我生活和学习芙心和悉心照顾的老师和I川学们．希望能将这份成长的茸悦能和所有关心我、爱我的人一起分享!』E噩窑盟厶芏熊I：芏垃监奎生童埴篮中文摘要摘要：癌症的发生通常是由于细胞增长机制的失常而引起的，表现为细胞内某些基因突变或表达异常所致，进一步影响其他基因的表达．从而导致一些蛋白质分子的表达发生改变，因此产生了病理学上肿瘤的差异．形成了临床跨断中的不同的癌症类别。随着20世纪90年代启

6、动的人类基因组计划(HumanGenomeProject)的顺利进行，DNA微阵列技术的迅速发展给癌症的临床辅助诊断和治疗带来了新的希望，它在实验中产生的基因表达数据可以使我们从基因水平对癌症病因进行分析和研究。但一次微阵列实验会同时产生数咀万计豹基因表达数据，对海量的基因表达数据进行分析和处理，从中提取有效的生物信息给人们的研究提出了新的挑战。基因表达谱数据分析是生物信息学领域研究的最重要内容之一，作为研究的一种重要的方法．正确的对不同病理分型的癌症进行分类．对癌症的临床诊断和治疗且有非常重要的意义。压缩感知理论的提出和发展，给高维的基因表达谱数据处理带来了新的启发：如果可以在某

7、个空M基下对基因袭选数据进行稀疏表示，矗诅t数据分类时，特征选取不再是一个难点，大量的特征值将成为算法中可利用的优点。目前压缩感知算法已经成功的应用于人脸识别的研究。并且取得了很好的分类效果。基因表达数据同样具有小样本，高维性等特点，本文将采用雎缩感知算法实现对基凶表达数据的分类。本文分析并实现了压缩感知算法(CompressedSenslng，CS)并将其应用于圆际上通用的基因表达数据的分类。首先将基因表达数据通过K近邻算法对缺失僮进行添补．将数据扫；准化；在此基础将数据分为训练数据集和测试数据集，使片j训练数据集构造冗余字典，采抖J随机分粕的规范行矢量高斯矩阵构造传感矩阵，对训

8、练数据集和测试数据集进行感知，利用更加简单的，，范数优化问题柬求最小^范数解．在变换域中采用近邻法测试判断测试样本的所属类别。从而实现压缩感知算法对基因表达数制的分类。经过反复实验，本文吐；现了肘基吲表达数据的分类．利川本文提出的压缩感知算法最终对三个国际上常用的基因表达数据集分类都得到了很好的分类效果，分类准确率达到了984％、993％、97％。而且压缩感知算法避免了特征提取问题．提高了分类的速度和准确率。关键词：壁凼表达谱：堆缩感知；稀疏表1i；，C余字!lI}分