近年來,隨著發(fā)病率和死亡率的持續(xù)升高,癌癥已經(jīng)成為影響人類健康的重要因素之一。乳腺癌作為女性疾病中最常見的惡性腫瘤,嚴(yán)重危害著女性的健康。在目前的醫(yī)療設(shè)備和醫(yī)學(xué)技術(shù)背景下,早期診斷和早期治療成為治療乳腺癌的關(guān)鍵手段。隨著機(jī)器學(xué)習(xí)技術(shù)的不斷發(fā)展,機(jī)器學(xué)習(xí)算法能夠以更簡(jiǎn)單、更有效的方式檢測(cè)出患癌癥的風(fēng)險(xiǎn),從而達(dá)到降低癌癥發(fā)病率的目的。依托機(jī)器學(xué)習(xí)的背景,基因檢測(cè)手段也在不斷地發(fā)展。腫瘤的產(chǎn)生和發(fā)展與基因密切相關(guān),將基因表達(dá)數(shù)據(jù)用于乳腺癌的早期診斷對(duì)乳腺癌的發(fā)現(xiàn)和識(shí)別具有重要的意義。使用機(jī)器學(xué)習(xí)相關(guān)算法對(duì)基因表達(dá)數(shù)據(jù)進(jìn)行特征選擇及分類來預(yù)測(cè)癌癥發(fā)病情況,已成為癌癥分類領(lǐng)域的熱點(diǎn)問題�；虮磉_(dá)數(shù)據(jù)具有高維度的特點(diǎn),然而高維度特征集合中包含著大量與癌癥無(wú)關(guān)的數(shù)據(jù)。因此需要對(duì)其使用特征選擇方法,篩選出與乳腺癌有關(guān)的特征基因集合。傳統(tǒng)的特征選擇方法,如卡方檢驗(yàn)、決策樹和信息增益等,通常存在不能有效去除特征冗余、時(shí)間復(fù)雜度高和過擬合等缺點(diǎn)。因此,如何選用合適的特征選擇方法成為本文研究的重點(diǎn)問題。本文在國(guó)內(nèi)外學(xué)者對(duì)乳腺癌特征基因選擇算法的研究基礎(chǔ)上,提出了三種新的基于機(jī)器學(xué)習(xí)的特征選擇算法Ave-mRM... 

【文章來源】：西南大學(xué)重慶市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

本文研究?jī)?nèi)容框架圖

圖 2.1 線性可分最優(yōu)分類面機(jī)存在線性可分和線性不可分兩種情況：可分?jǐn)?shù)據(jù)集nNNiT {(x,y),...,(x,y)},x R11， yi { 1, 1}, S： x b 0，能夠?qū)?shù)據(jù)集的正負(fù)實(shí)例點(diǎn)完全正

線性不可分分類界面

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的多類支持向量機(jī)遞歸特征消除在癌癥多分類中的應(yīng)用[J]. 黃曉娟,張莉.  計(jì)算機(jī)應(yīng)用. 2015(10)
[2]一種改進(jìn)的譜聚類算法及其在基因表達(dá)譜分析中的應(yīng)用[J]. 葛芳,王年,郭秀麗.  安徽大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(05)
[3]動(dòng)態(tài)多分類器集成在肺結(jié)節(jié)輔助檢測(cè)中的應(yīng)用[J]. 韓妍妍,馮筠,崔鑫,王秋萍.  計(jì)算機(jī)工程與應(yīng)用. 2012(02)
[4]基于SVM-RFE-SFS的基因選擇方法[J]. 游偉,李樹濤,譚明奎.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2010(01)
[5]腫瘤信息基因啟發(fā)式寬度優(yōu)先搜索算法研究[J]. 王樹林,王戟,陳火旺,李樹濤,張波云.  計(jì)算機(jī)學(xué)報(bào). 2008(04)

博士論文
[1]微陣列基因表達(dá)數(shù)據(jù)的特征分析方法研究[D]. 王愛國(guó).合肥工業(yè)大學(xué) 2015

碩士論文
[1]基于遺傳算法的大規(guī)模MIMO系統(tǒng)導(dǎo)頻優(yōu)化研究[D]. 高露.南京郵電大學(xué) 2018
[2]基于遺傳算法的網(wǎng)絡(luò)視頻流特征選擇與識(shí)別研究[D]. 岳全濤.南京郵電大學(xué) 2018
[3]粒子群算法改進(jìn)及其應(yīng)用研究[D]. 秦媛.南京郵電大學(xué) 2018
[4]基于改進(jìn)鄰域粗糙集和隨機(jī)森林算法的糖尿病預(yù)測(cè)研究[D]. 胡瑋.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2018
[5]腫瘤基因表達(dá)數(shù)據(jù)的特征選擇方法研究[D]. 李晨陽(yáng).蘭州交通大學(xué) 2018
[6]基于隨機(jī)森林和支持向量機(jī)的癌癥基因數(shù)據(jù)分析[D]. 梁爐方.山東大學(xué) 2017
[7]微陣列基因表達(dá)數(shù)據(jù)混合特征算法研究[D]. 董文娟.沈陽(yáng)工業(yè)大學(xué) 2017
[8]基于特征選擇和集成學(xué)習(xí)的結(jié)直腸癌預(yù)測(cè)模型研究[D]. 李甜.西南大學(xué) 2017
[9]基因表達(dá)譜的腫瘤特征基因提取研究分析[D]. 尹蕾.西安建筑科技大學(xué) 2014
[10]基于聚類分析和智能優(yōu)化特征選擇的基因微陣列數(shù)據(jù)分類[D]. 宋創(chuàng).西安電子科技大學(xué) 2014



本文編號(hào)：3063007