基于稀疏表示的基因表達(dá)譜數(shù)據(jù)挖掘方法研究.pdf

1、利用基因表達(dá)譜數(shù)據(jù)進(jìn)行腫瘤分類是生物信息學(xué)領(lǐng)域的研究重點之一。基于基因表達(dá)譜，使用現(xiàn)代數(shù)據(jù)挖掘方法研究腫瘤的發(fā)生機制有助于腫瘤的診斷和個性化治療。但是，基因表達(dá)譜數(shù)據(jù)通常具有高維小樣本的特點，這使得很多傳統(tǒng)的經(jīng)典數(shù)據(jù)挖掘方法不能很好地應(yīng)用于腫瘤分類。因此，亟需有效的數(shù)據(jù)處理方法來解決這一難題。
　　近來，受到基于l1范數(shù)最小化方法的啟發(fā)，稀疏表示方法作為一種新穎強大的數(shù)據(jù)處理方法應(yīng)運而生。稀疏表示具有魯棒性強、識別率高等眾多優(yōu)點，

2、本文重點研究了其在腫瘤分類中的應(yīng)用。主要工作如下:
　　基因表達(dá)譜數(shù)據(jù)高維、高噪和高冗余的特性使得很多經(jīng)典的分類方法不能很好地用于腫瘤分類。針對這一問題，本文設(shè)計了一種基于稀疏表示的基因選擇方法來對其進(jìn)行降維、去噪和去冗余。該方法分為三個步驟，首先利用稀疏表示計算基因與類別之間的相關(guān)度，根據(jù)相關(guān)性對基因進(jìn)行過濾，選擇排名靠前的信息基因。然后基于稀疏表示相關(guān)性度量設(shè)計了一種最大相似樹算法對信息基因進(jìn)行聚類，得到基因簇，最后在每個基因

3、簇中選出代表基因組成最終的特征基因子集，這種方法能有效選出與分類最相關(guān)的基因。該方法不僅能生成更小的特征基因子集，還提高了分類性能。
　　針對目前腫瘤分類算法分類性能和泛化能力不高的問題，本文設(shè)計了一種基于K-SVD的稀疏表示分類方法進(jìn)行腫瘤分類。該方法包括兩個階段，首先通過K-SVD字典學(xué)習(xí)算法對每一類訓(xùn)練樣本進(jìn)行字典學(xué)習(xí)，進(jìn)行去噪和去冗余，從而提取到最能稀疏表示測試樣本的訓(xùn)練字典，得到的新訓(xùn)練樣本字典具有更強的表示性和判別性;