支持向量機在微陣列基因表達譜數據分類中的應用.pdf

1、該文在介紹微陣列數據分析現狀的基礎上,詳細描述了支持向量機的算法原理,針對基因表達譜數據集的特點有針對性地提高了SVMs的算法設置和訓練過程;基于MIPS提供的基因表達公共數據庫(MYGD),重點闡述了如何實現針對基因表達譜數據的完整的SVMs算法流程;并對SVMs算法從訓練精度和訓練速度兩方面進行了改進,應用于基因表達譜數據分析之中;在文章的結尾部分列出了實驗比較所得出的主要結果,以及相關問題的討論;并對尚待探討的問題和即將展開的研究

2、工作進行了展望.基因表達譜數據除了具有其特殊性外,也符合數據的一般統(tǒng)計分析過程.因此,該文從數據集的整理入手,詳細介紹并比較了多種基因表達譜數據缺失值的填充方法,包括:k-近鄰法(KNN),類均值法,列均值法等;數據的歸一化方法;不同核函數的SVMs方法,包括:基因表達向量間的簡單線性核函數、多項式核函數和徑向基核函數;以及行之有效的用于解決基因表達譜數據分類問題的SVMs軟件實現方法,包括:數據格式的變換、數據矩陣的轉變、模型參數的選

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,針對基因表達譜數據量大,結構復雜,新數據集與原有數據之間具有承接性等特點,介紹并在基因表達譜數據的處理中應用了兩種SVMs的改進算法:SVM增量學習算法SISVM和支持向量機與最近鄰分類結合算法SVM-KNN.通過實驗比較,主要結論有: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)計學差異,可根據數據集和所采取算法的具體情況任選其一;二、與其它SVMs核

4、函數相比較,在利用基因表達譜數據識別相同功能類中的基因問題中,徑向基核函數SVM和高階多項式核函數SVM效果較好;三、該文所建立的SVMs分析流程簡單、易操作,與建立在相同數據集上的目前較為流行的SVMs算法流程相比,模型的訓練速度和預測精度相當,甚至更為高效;四、SVM-KNN能在一定程度上提高模型訓練的精度,而SISVM能在不損失精度的同時較好地提高模型對增量樣本集的訓練速度.綜上所述,SVMs作為處理微陣列實驗數據的新工具之一,有