發(fā)布時(shí)間：2018-08-27 18:31

【摘要】：阿爾茨海默癥(AD)是一種以認(rèn)知障礙為主要臨床特征的慢性病,也是老年疾病中的常見(jiàn)高發(fā)病。隨著生物醫(yī)學(xué)的發(fā)展,對(duì)阿爾茨海默癥的研究數(shù)據(jù)越來(lái)越多,但是這些數(shù)據(jù)集具有高維、形式多樣以及分布不平坦的特點(diǎn),如何有效地利用這些復(fù)雜的數(shù)據(jù)成為當(dāng)今大數(shù)據(jù)時(shí)代所要研究的熱點(diǎn)問(wèn)題。支持向量機(jī)(SVM)是基于統(tǒng)計(jì)學(xué)習(xí)理論發(fā)展起來(lái)的,是借助最優(yōu)化方法進(jìn)行數(shù)據(jù)挖掘的一種新工具。但該方法不能夠識(shí)別模糊標(biāo)記樣本,也不能利用未標(biāo)記樣本,導(dǎo)致模型分類(lèi)結(jié)果出現(xiàn)偏差。為了有效地處理阿爾茨海默癥中的復(fù)雜數(shù)據(jù),且不浪費(fèi)大量有價(jià)值的未標(biāo)記樣本,引入了支持向量機(jī)的改進(jìn)算法,即模糊支持向量機(jī)(FSVM)和半監(jiān)督支持向量機(jī)(S3VM),并將這兩種方法應(yīng)用到阿爾茨海默癥數(shù)據(jù)的分類(lèi)技術(shù)中,通過(guò)實(shí)驗(yàn)觀(guān)察分類(lèi)結(jié)果的準(zhǔn)確性。主要研究?jī)?nèi)容和結(jié)果如下:(1)首先,采用了特征提取方法對(duì)數(shù)據(jù)進(jìn)行前期處理。為了降低數(shù)據(jù)的維度,利用主成分分析法從121個(gè)阿爾茨海默癥樣本數(shù)據(jù)的55項(xiàng)特征變量中提取出11個(gè)因子變量,且這些因子變量基本上能夠代表數(shù)據(jù)的全部信息;(2)研究了支持向量機(jī)的理論框架,針對(duì)支持向量機(jī)模型中的核函數(shù)與參數(shù)問(wèn)題,通過(guò)設(shè)定不同的值進(jìn)行分類(lèi)實(shí)驗(yàn),觀(guān)察其對(duì)分類(lèi)準(zhǔn)確率的影響程度。實(shí)驗(yàn)結(jié)果表明,SVM算法能夠?qū)Π柎暮ＤY數(shù)據(jù)進(jìn)行有效的分析,并且測(cè)試樣本的分類(lèi)準(zhǔn)確率可達(dá)92.157%;(3)研究了模糊支持向量機(jī)的理論框架,挑選出阿爾茨海默癥數(shù)據(jù)集的11個(gè)特征變量中的前3個(gè)主成分和前2個(gè)主成分分別進(jìn)行模型的訓(xùn)練。由于FSVM算法中的模糊因子能夠識(shí)別一些特殊的樣本點(diǎn),故可通過(guò)賦予不同樣本不同隸屬度值來(lái)區(qū)分開(kāi)信息量大的樣本點(diǎn)與無(wú)用的噪聲點(diǎn)。利用基于FSVM的模糊C均值聚類(lèi)方法對(duì)阿爾茨海默癥數(shù)據(jù)集的121個(gè)樣本進(jìn)行歸類(lèi),得出較準(zhǔn)確的分類(lèi)結(jié)果,預(yù)測(cè)出的負(fù)類(lèi)別準(zhǔn)確率高達(dá)95.455%,但正類(lèi)準(zhǔn)確率稍低;(4)研究了半監(jiān)督支持向量機(jī)的理論算法,具體分析模型中的各種函數(shù)與參數(shù)對(duì)分類(lèi)結(jié)果的影響,并根據(jù)參數(shù)尋優(yōu)找出最佳的學(xué)習(xí)模型。實(shí)驗(yàn)分析得出的分類(lèi)準(zhǔn)確率最高為94.118%且結(jié)果穩(wěn)定,表明了S3VM方法能夠綜合利用標(biāo)記樣本和未標(biāo)記樣本的分布信息來(lái)提高模型的分類(lèi)準(zhǔn)確率。通過(guò)理論的探究與實(shí)驗(yàn)的驗(yàn)證可知,論文所研究的支持向量機(jī)中的第三種模型半監(jiān)督支持向量機(jī),相比于其他兩種模型,在阿爾茨海默癥數(shù)據(jù)的分析上具有更高和更穩(wěn)定的分類(lèi)準(zhǔn)確率。表明該方法能夠通過(guò)對(duì)腦功能數(shù)據(jù)進(jìn)行分類(lèi)來(lái)有效預(yù)測(cè)老年人是否患有阿爾茨海默癥,以此更好地輔助醫(yī)生進(jìn)行AD的診斷與治療。
[Abstract]:Alzheimer's disease (AD) is a chronic disease characterized by cognitive impairment. With the development of biomedicine, there are more and more data on Alzheimer's disease, but these data sets have the characteristics of high dimension, various forms and uneven distribution. How to make effective use of these complex data has become a hot issue in big data's time. Support vector machine (SVM) is a new tool for data mining based on statistical learning theory. However, the method can not recognize fuzzy labeled samples, nor can it use unlabeled samples, which leads to the deviation of model classification results. In order to deal effectively with complex data in Alzheimer's disease and not to waste a large number of valuable unlabeled samples, an improved support vector machine (SVM) algorithm is introduced. The fuzzy support vector machine (FSVM) and semi-supervised support vector machine (S3VM) are applied to the classification of Alzheimer's disease data. The accuracy of the classification results is observed by experiments. The main contents and results are as follows: (1) at first, the feature extraction method is used to process the data. In order to reduce the dimension of the data, 11 factor variables were extracted from 55 characteristic variables of 121 Alzheimer's data using principal component analysis. And these factor variables can basically represent all the information of the data. (2) the theoretical framework of support vector machine (SVM) is studied. For the kernel function and parameter problem in the SVM model, the classification experiments are carried out by setting different values. The degree of influence on classification accuracy was observed. The experimental results show that the SVM algorithm can effectively analyze Alzheimer's disease data, and the classification accuracy of test samples can reach 92.157. (3) the theoretical framework of fuzzy support vector machine (FSVM) is studied. The first three principal components and the first two principal components of 11 characteristic variables of Alzheimer's data set were selected for model training. Because the fuzzy factors in the FSVM algorithm can identify some special sample points, it is possible to distinguish the sample points with large amount of information from the useless noise points by giving different samples different membership values. A fuzzy C-means clustering method based on FSVM was used to classify 121 samples from Alzheimer's disease data set, and a more accurate classification result was obtained. The accuracy of negative class prediction is 95.455, but the accuracy of positive class is slightly lower. (4) the theoretical algorithm of semi-supervised support vector machine is studied, and the influence of various functions and parameters in the model on the classification results is analyzed. And find out the best learning model according to the parameter optimization. The experimental results show that the classification accuracy is 94.118% and the results are stable, which indicates that the S3VM method can improve the classification accuracy of the model by synthesizing the distribution information of labeled and unlabeled samples. Through theoretical research and experimental verification, we can see that the third model of support vector machine studied in this paper is semi-supervised support vector machine, compared with the other two models. It has higher and more stable classification accuracy in the analysis of Alzheimer's disease data. The results show that this method can effectively predict whether the elderly have Alzheimer's disease by classifying the brain function data, so as to better assist doctors in the diagnosis and treatment of AD.
【學(xué)位授予單位】：南陽(yáng)師范學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：R749.16

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 Dena Shenk;林敏霞;;阿爾茨海默癥患者認(rèn)同維持的敘事研究[J];廣西民族大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2008年01期

2 于曉剛;徐凌忠;;阿爾茨海默癥研究進(jìn)展[J];社區(qū)醫(yī)學(xué)雜志;2009年15期

3 ;科研人員發(fā)現(xiàn)3個(gè)與阿爾茨海默癥有關(guān)的基因[J];中國(guó)當(dāng)代醫(yī)藥;2009年19期

4 張玉勤;;通過(guò)嗅覺(jué)試驗(yàn)?zāi)芊裨缙谠\斷阿爾茨海默癥[J];國(guó)外醫(yī)學(xué)情報(bào);1993年19期

5 張玉勤;;阿爾茨海默癥的新診斷方法[J];國(guó)外醫(yī)學(xué)情報(bào);1995年06期

6 ;美曲膦酯治療阿爾茨海默癥的認(rèn)知缺陷[J];國(guó)外醫(yī)藥(合成藥 生化藥 制劑分冊(cè));1999年03期

7 船舷;;鋁過(guò)量是阿爾茨海默癥的重要誘因[J];長(zhǎng)壽;2014年01期

8 林曉文;從里根去世看“阿爾茨海默癥”[J];家庭中醫(yī)藥;2005年11期

9 戎輝;;阿爾茨海默癥青睞哪些人[J];金秋;2012年24期

10 卓然;;預(yù)防阿爾茨海默癥有良方[J];長(zhǎng)壽;2013年04期

相關(guān)會(huì)議論文 前10條

1 劉玲玲;龔鍇;盛柏楊;閆玉芳;鄭輝;張秀芳;趙南明;公衍道;;不同年齡和基因型阿爾茨海默癥小鼠海馬新生神經(jīng)元數(shù)量的差異[A];第十一次中國(guó)生物物理學(xué)術(shù)大會(huì)暨第九屆全國(guó)會(huì)員代表大會(huì)摘要集[C];2009年

2 熊曉云;鄒永;吳玉梅;朱杰;梅其炳;;三種阿爾茨海默癥治療藥物促體外培養(yǎng)小鼠皮層神經(jīng)元活性的比較[A];中國(guó)藥理學(xué)會(huì)第八次全國(guó)代表大會(huì)論文摘要集（第二部分）[C];2002年

3 段迪;凌迎春;周月琴;;血管性癡呆及阿爾茨海默癥患者血清甘油三酯和總膽固醇變化的臨床研究[A];2009年浙江省醫(yī)學(xué)會(huì)精神病學(xué)分會(huì)老年精神障礙學(xué)組學(xué)術(shù)會(huì)議論文匯編[C];2009年

4 韓鐵鋼;張競(jìng);韓軼星;茹炳根;;應(yīng)用比較蛋白質(zhì)組學(xué)研究神經(jīng)生長(zhǎng)抑制因子與阿爾茨海默癥的關(guān)系[A];中國(guó)蛋白質(zhì)組學(xué)第三屆學(xué)術(shù)大會(huì)論文摘要[C];2005年

5 段迪;凌迎春;周月琴;;血管性癡呆及阿爾茨海默癥患者血清甘油三酯和總膽固醇變化的臨床研究[A];2007年浙江省精神病學(xué)學(xué)術(shù)年會(huì)論文匯編[C];2007年

6 謝盈瑞;;阿爾茨海默癥所引發(fā)的抑郁癥及護(hù)理[A];2007河南省精神衛(wèi)生學(xué)術(shù)研討會(huì)資料匯編[C];2007年

7 朱靜靜;竇非;;熱休克蛋白90抑制劑降低阿爾茨海默癥β淀粉樣肽的作用機(jī)制初步研究[A];中國(guó)遺傳學(xué)會(huì)“發(fā)育、遺傳和疾病”研討會(huì)論文匯編集[C];2007年

8 熊曉云;鄒永;吳玉梅;朱杰;梅其炳;;三種阿爾茨海默癥治療藥物促體外培養(yǎng)小鼠皮層神經(jīng)元活性的比較[A];中國(guó)藥理學(xué)會(huì)第八次全國(guó)代表大會(huì)暨全國(guó)藥理學(xué)術(shù)會(huì)議論文摘要匯編[C];2002年

9 賈衛(wèi)平;焦勇;楊頻;;金屬離子與Aβ肽競(jìng)爭(zhēng)取代理作用的論研究[A];第五屆全國(guó)化學(xué)生物學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

10 焦勇;賈衛(wèi)平;韓大雄;楊頻;;分子模擬研究銅離子對(duì)Aβ肽聚集行為的調(diào)控機(jī)理[A];第五屆全國(guó)化學(xué)生物學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 賈巖;阿爾茨海默癥藥研盯上創(chuàng)新中藥[N];醫(yī)藥經(jīng)濟(jì)報(bào);2013年

2 記者 李穎;中國(guó)需改進(jìn)阿爾茨海默癥診斷照護(hù)體系[N];科技日?qǐng)?bào);2014年

3 劉海英;瑞典發(fā)現(xiàn)阿爾茨海默癥生物新標(biāo)志[N];科技日?qǐng)?bào);2009年

4 重慶萬(wàn)州 王祖遠(yuǎn);多吃魚(yú)蔬少吃紅肉可預(yù)防阿爾茨海默癥[N];上海中醫(yī)藥報(bào);2012年

5 記者 鄧暉;施一公研究組揭示阿爾茨海默癥致病蛋白結(jié)構(gòu)[N];光明日?qǐng)?bào);2014年

6 趙婀娜 章正;阿爾茨海默癥研究獲突破[N];人民日?qǐng)?bào);2014年

7 ;阿爾茨海默癥：防勝于治[N];文匯報(bào);2011年

8 本報(bào)記者 王瀟;被擦去的記憶[N];解放日?qǐng)?bào);2013年

9 ;學(xué)外語(yǔ)有助延緩智衰[N];新華每日電訊;2011年

10 ;新型醫(yī)用染料可用于阿爾茨海默癥診斷[N];中國(guó)紡織報(bào);2005年

相關(guān)博士學(xué)位論文 前4條

1 朱e，

本文編號(hào)：2208088