評估幾種流行學(xué)習(xí)降維分類器應(yīng)用于癌癥數(shù)據(jù)的性能.pdf

1、大量的高維癌癥數(shù)據(jù)給我們帶來了許多困擾,最顯著特點(diǎn)之一就是維數(shù)多樣本數(shù)相對較少。面對這樣的高維數(shù)據(jù),數(shù)據(jù)降維成了數(shù)據(jù)挖掘中必不可少的步驟。降維技術(shù)能夠通過提取特征,保留局部結(jié)構(gòu)降低維度,幫助機(jī)器學(xué)習(xí)作準(zhǔn)確高效地分類。然而選擇什么樣的降維分類器才能達(dá)到最優(yōu)的分類效果,是本文研究的中心內(nèi)容。本文所論述的降維方法都是基于流行結(jié)構(gòu)的,有線性降維方法:主成分分析(PCA)、Fisher線性判別分析(LDA)、多維尺度變換(MDS)、局部保留投影(

2、LPP)、類別非局保留投影(CNLPP);非線性降維方法:局部線性嵌入(LLE)、拉普拉斯特征映射(LE)、等距映射(ISOMAP)。其中的局部保留投影,不僅具有保持?jǐn)?shù)據(jù)集結(jié)構(gòu)不變的非線性特點(diǎn),而且具有線性方法計(jì)算簡單、直接快捷的特點(diǎn)。在癌癥數(shù)據(jù)的降維中表現(xiàn)出了優(yōu)勢。支持向量機(jī)(SupportVectorMachine,簡稱SVM)是機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)習(xí)理論中理論完備、全局優(yōu)化性能、泛化性能較好的一種方法,滿足了高維癌癥數(shù)據(jù)小樣本的特征。

3、最近鄰分類器(NearestNeighborClassifier,簡稱NNC)也是一種經(jīng)典,簡單的分類器,是實(shí)驗(yàn)中最常用的一種分類器。本文主要討論降維方法與分類器相結(jié)合的結(jié)合式分類模型對5種癌癥數(shù)據(jù)進(jìn)行分類的效果比較。全文的主要內(nèi)容概括如下:(1)概述了高維數(shù)據(jù)處理領(lǐng)域的發(fā)展?fàn)顩r及其所蘊(yùn)含的一些問題。并對典型降維方法進(jìn)行了分析,包括各自的算法、優(yōu)缺點(diǎn)及研究現(xiàn)狀。其中著重闡述了保局投影這種線性降維方法。(2)介紹了支持向量機(jī)的基本原理,及

4、一般的分類流程。運(yùn)用Matlab2009實(shí)現(xiàn)了SVM對癌癥數(shù)據(jù)的二分類。(3)研究和比較SVM、NNC與一些降維技術(shù)相結(jié)合的分類模型在癌癥數(shù)據(jù)分類中的性能,為相關(guān)的分類研究提供參考。本文所使用的結(jié)合式分類模型有:PCA-SVM、LDA—SVM、MDS—SVM、LPP—SVM、CNLPP—SVM、ISOMAP—SVM、LLE—SVM、LE—SVM、PCA—NNC、LDA—NNC、MDS—NNC、LPP—NNC、CNLPP—NNC、ISOM