基于相关性的癌症特征选择及分类算法研究

《基于相关性的癌症特征选择及分类算法研究》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、学校代号：10532学号：S09102039密级：普通湖南大学硕士学位论文基于相关性的癌症特征选择及分类算法研究TheResearchonfeatureselectionandcancerclassificationbasedonCorrelationbyPENGXiangHuaB．E．(HunanCityUniversity)2007AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineering1nCompu

2、terScienceandTechnologyGraduateSchoolofHunanUniversitySupervisorDoctorLuXinguoNovember，2012湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均己在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：日期：沙f2年，3月-3日学位论文版

3、权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密口，在年解密后适用本授权书。2、不保密彤(请在以上相应方框内打“／”)作者签名：导师签名：鸢辨牮净囝日期：沙心日期：3乜(≥年f∑月3日年t蝴≥日／摘要微阵列技术的发展为生物学研究领域提供了大量的基因表达数据，为基因功能研究提

4、供了一种强有力的工具，使得同时分析成千上万个基因成为可能。癌症的分类以及与癌症相关的关键基因的识别已经成为当前癌症研究中的重要组成部分。由于微阵列数据维数高、样本数少的特点，普通的数据挖掘方法并不能取得很好的效果。本文主要针对微阵列数据特征选取方法和分类算法进行了深入的分析与探讨，并提出了改进的特征选择方法和癌症分类算法，以提高分类准确率和数据泛化能力。主要工作概括如下：针对特征基因选择问题，提出了一种基于相关性特征选择的分层抽样基因选择方法(CFS—SS)。由于微阵列数据具有高维度、样本少、多噪声的特点，对基因表达数据

5、进行预处理。首先对微阵列数据进行缺失值补齐，归一化等操作。其次删除各样本基因方差值过小对分类意义不大的基因，降低维度，降低时间复杂度。然后应用相关性特征选择选择出具有局部最大相关性特征集，在其所有非空特征子集上进行分层抽样，在抽样后的特征集上进行分类性能测试，找到分类准确率最高的特征子集。在三个基因表达数据集上进行仿真实验，该方法能有效提升分类准确率。由CFS—SS提取出的特征子集作为具有差异的训练样本对基分类器进行训练，由具有差异的基分类器进行相对多数投票集成，得到一种集成分类方法(Bag—CFS—SS)。在基因表达数

6、据集上进行实验，验证该方法的可行性和可靠性。关键字：癌症分类；相关性特征选择；分层抽样；集成分类AbstractMicroarraytechonologywhichproducesgeneexpressiondataisapowerfultoolforgenefunctionstudyingandcananalyzethousandsofgenesatthesametime．Cancerclassificationandidentificationofkeygenesassociatedwithcancerhasbeco

7、meanimportantpartofcancerresearch．Becausehighdimensionandsmallsamplesizeofthemicroarraydata，thetraditionaldataminingmethodscannotbeenusedverywell．Thispaperanalysedandsummarizedfeatureselectionmethodandclassifiersonmicroarraydatapenetratingly．Improvedfeatureselect

8、ionmethodandclassifierbasedoncorrelation．basedfeatureselectionwasproposedwhichcouldbeusedtoimprovetheclassificationaccuracyanddatageneralizationabilityincancer