基于流形學(xué)習(xí)的生物數(shù)據(jù)特征提取方法.pdf

1、隨著信息新技術(shù)的快速發(fā)展,人們直接從試驗(yàn)中得到的數(shù)據(jù)正以指數(shù)級(jí)規(guī)模增長(zhǎng),并且摻雜著許多不確定信息和冗余信息,因此直接對(duì)數(shù)據(jù)進(jìn)行處理已變得越來(lái)越艱難。研究生物數(shù)據(jù)特征的意義重大,不但有助于加快對(duì)生物數(shù)據(jù)的處理,提高對(duì)生物數(shù)據(jù)的精度,而且對(duì)生物學(xué)、醫(yī)學(xué)和藥學(xué)的探究都有非常重要的作用。目前在計(jì)算機(jī)視覺(jué)、基因微陣列數(shù)據(jù)分析和生物特征識(shí)別中直接獲得的數(shù)據(jù)都是高維的,因而如何有效得從這些高維數(shù)據(jù)中提取有效數(shù)據(jù)信息已迫切成為信息科學(xué)與技術(shù)所面臨的重要

2、課題。
　　 本文所要研究的是針對(duì)生物數(shù)據(jù)的高維小樣本特征如何提取有效信息,使之成為低維小樣本,以及如何構(gòu)建一個(gè)對(duì)生物數(shù)據(jù)特征的分類(lèi)模型,使之能夠更加準(zhǔn)確有效的識(shí)別不同類(lèi)別的生物數(shù)據(jù)。內(nèi)容包括生物數(shù)據(jù)的特征提取方式,神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)及流形學(xué)習(xí)算法的選擇。
　　 (1)生物數(shù)據(jù)特征提取。要對(duì)生物數(shù)據(jù)特征進(jìn)行分類(lèi)識(shí)別,首先必須把生物數(shù)據(jù)特征信息提取出來(lái),轉(zhuǎn)換成計(jì)算機(jī)能夠處理的數(shù)據(jù),然后對(duì)這種大批量的高維小樣本數(shù)據(jù)進(jìn)行特征提取

3、,即選擇主要特征剔除冗余及無(wú)關(guān)特征。因此,如何提取生物數(shù)據(jù)主要特征,即選擇何種特征提取方法尤為重要,不同的特征提取出來(lái)的信息不盡相同,目前的方法主要有線性特征提取方法如主成分分析(PCA)、獨(dú)立成分分析(ICA),非線性特征提取方法如非線性PCA網(wǎng)絡(luò)、Kohonen匹配,流形學(xué)習(xí)如等度規(guī)映射(Isomap)、局部線性嵌入(LLE)、非負(fù)矩陣分解(NMF)等,從不同角度對(duì)生物數(shù)據(jù)進(jìn)行特征特征提取。本文采用了等度規(guī)映射和非負(fù)矩陣分解的特征提

4、取。實(shí)驗(yàn)表明,不同的特征提取方式對(duì)于不同的數(shù)據(jù)集和分類(lèi)模型效果不同。
　　 (2)分類(lèi)模型的建立。本文采用了克隆數(shù)據(jù)集和白血病數(shù)據(jù)集,其分類(lèi)及預(yù)測(cè)的實(shí)質(zhì)是根據(jù)前面所提取的有用信息即降維后的數(shù)據(jù),通過(guò)分析這些信息之間的關(guān)系,總結(jié)出一定規(guī)律,然后實(shí)現(xiàn)對(duì)未知數(shù)據(jù)的類(lèi)別預(yù)測(cè)。這兩種數(shù)據(jù)集特征提取后的數(shù)據(jù)信息維數(shù)仍然比較高,計(jì)算量也比較大,因此借助神經(jīng)網(wǎng)絡(luò)是非常必要有效的。神經(jīng)網(wǎng)絡(luò)具有比較強(qiáng)的自組織、自學(xué)習(xí)和自適應(yīng)能力,此外還具有比較好的

5、容錯(cuò)能力,因此利用神經(jīng)網(wǎng)絡(luò)能快速有效地學(xué)習(xí)到數(shù)據(jù)序列中所包含的特征信息,實(shí)現(xiàn)對(duì)類(lèi)別的訓(xùn)練及預(yù)測(cè)。神經(jīng)網(wǎng)絡(luò)的優(yōu)化包括結(jié)構(gòu)的優(yōu)化以及參數(shù)的優(yōu)化兩部分,采用哪種優(yōu)化算法是至關(guān)重要的,不同的優(yōu)化算法具有不同的時(shí)間效率,不同的算法產(chǎn)生不同的分類(lèi)預(yù)測(cè)精度。針對(duì)神經(jīng)網(wǎng)絡(luò)的這種特點(diǎn),本文采用不同的優(yōu)化算法對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,選擇出更適合這種數(shù)據(jù)集的優(yōu)化算法。實(shí)驗(yàn)表明,采用BP神經(jīng)網(wǎng)絡(luò)能夠在一定程度上提高對(duì)數(shù)據(jù)的預(yù)測(cè)準(zhǔn)確率,通過(guò)實(shí)驗(yàn)還表明,神經(jīng)網(wǎng)絡(luò)采用單