代謝組學(xué)旨在通過(guò)檢測(cè)生物流體中小分子代謝物濃度的變化來(lái)探究生物系統(tǒng)的代謝變化與各種生命現(xiàn)象的關(guān)系。其基本研究策略是將高通量分析檢測(cè)平臺(tái)與化學(xué)計(jì)量學(xué)數(shù)據(jù)解析方法相結(jié)合�；瘜W(xué)計(jì)量學(xué)的作用在于從基于高通量分析技術(shù)產(chǎn)生的海量的代謝組學(xué)數(shù)據(jù)中,快速、合理地分析所得數(shù)據(jù)并從中挖掘出有意義的生物信息,主要包括識(shí)別組間（例如疾病組和正常組）代謝差異（即,模式識(shí)別）和尋找表征組間代謝差異的潛在生物標(biāo)志物（即,變量選擇）。在代謝組學(xué)數(shù)據(jù)分析中,通常采用單個(gè)模型來(lái)實(shí)現(xiàn)組間代謝差異的識(shí)別和生物標(biāo)志物的尋找。然而,眾所周知,基于單個(gè)模型給出的結(jié)果往往存在一定的不可靠性和不穩(wěn)定性。因此,在本論文中,鑒于自助集成算法（bagging）在提高單個(gè)模型的穩(wěn)定性和可靠性方面的獨(dú)特優(yōu)勢(shì),套索算法（least absolute shrinkage and selection operator,LASSO）和分類樹算法（classificationtree,CT）能選擇重要變量以及確定其相應(yīng)的重要性值的優(yōu)勢(shì),以及徑向基函數(shù)網(wǎng)絡(luò)（radial basis function network,RBFN）的良好的建模性能,發(fā)展了兩種新... 

【文章來(lái)源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 代謝組學(xué)及其研究現(xiàn)狀
    1.2 化學(xué)計(jì)量學(xué)
        1.2.1 變量選擇及其穩(wěn)定性
        1.2.2 模式識(shí)別
    1.3 集成學(xué)習(xí)
        1.3.1 集成學(xué)習(xí)簡(jiǎn)述
        1.3.2 Bagging算法
    1.4 小兒呼吸道合胞病毒肺炎
    1.5 本文的立題依據(jù)和主要工作
    參考文獻(xiàn)
第二章 自助集成-分類樹徑向基函數(shù)網(wǎng)絡(luò)算法用于小兒呼吸道合胞病毒肺炎的代謝組學(xué)數(shù)據(jù)分析研究
    2.1 前言
    2.2 理論
        2.2.1 分類樹(CT)
        2.2.2 徑向基函數(shù)網(wǎng)絡(luò)(RBFN)
        2.2.3 分類樹徑向基函數(shù)網(wǎng)絡(luò)(CTRBFN)
        2.2.4 自助集成-分類樹徑向基函數(shù)網(wǎng)絡(luò)(BAG-CTRBFN)
        2.2.5 模式識(shí)別性能指標(biāo)
        2.2.6 變量選擇穩(wěn)定性度量
    2.3 數(shù)據(jù)集
    2.4 結(jié)果與討論
    2.4 小結(jié)
    參考文獻(xiàn)
第三章 自助集成套索算法用于小兒呼吸道合胞病毒肺炎的代謝組學(xué)數(shù)據(jù)分析研究
    3.1 前言
    3.2 理論
        3.2.1 套索算法(LASSO)
        3.3.2 自助集成套索算法(BAG-LASSO)
        3.2.3 模式識(shí)別性能指標(biāo)
        3.2.4 變量選擇穩(wěn)定性度量
    3.3 數(shù)據(jù)集
    3.4 結(jié)果與討論
    3.5 小結(jié)
    參考文獻(xiàn)
第四章 總結(jié)
在校期間發(fā)表及待發(fā)表的學(xué)術(shù)論文
致謝



本文編號(hào)：3182383