收藏本站
《大连理工大学》 2005年
收藏 | 手机打开
二维码
手机客户端打开本文

生物信息数据挖掘中的若干方法及其应用研究

宋杰  
【摘要】:许多生物(包括人在内)的基因组测序已经完成或接近完成,在揭示这些巨量数据所蕴涵的信息时,产生了一门新的交叉学科—生物信息学,通过对生物学实验数据的获取、加工、存储、检索与分析,进而达到揭示数据所蕴含的生物学意义的目的。数据挖掘技术用于在数据库中发现潜在有用的知识,在生物信息学研究当中,正发挥着越来越重要的作用,而且取得了丰硕的成果。本文探讨若干生物信息数据挖掘的方法及其应用,主要工作如下: 1.用支持向量机和FDOD两种方法对同源寡聚蛋白质进行了分类研究。Garian R.利用决策树方法从蛋白质一级结构出发对同源二聚体和同源非二聚体进行了分类,证实了蛋白质一级结构即氨基酸序列包含四级结构信息。本文用SVM和FDOD两种方法对同源二聚体和同源非二聚体进行分类,利用原始序列的子序列分布作为特征向量。采用和决策树方法同样的数据集,两种方法均大幅度提高了预测准确率。本文也对同源二聚体、同源三聚体、同源四聚体和同源六聚体进行了分类,取得了好的结果。 2.构造了基于线性规划的ν-SVM分类器。Scholkopf B等提出的基于二次规划的ν-支持向量机(ν-SVM)相比标准的SVM,其优势在于可以控制支持向量的数目和误差,但由于增加了模型的复杂性,限制了其应用。本文构造了一种基于线性规划的ν-SVM分类器,模型简单,参数ν具有明确的意义,同样可以控制支持向量的数目和误差,可以直接利用比较成熟的线性规划算法。数值试验表明,本文提出的基于线性规划的ν-SVM的训练速度要比基于二次规划的ν-SVM快得多,而分类效果两者相当。 3.提出了无参数鲁棒线性规划支持向量机分类的牛顿算法。Mangasarian O L最近提出的无参数鲁棒线性规划支持向量机克服了标准SVM需要选取正则化参数等一些缺点,其模型是一个线性规划。本文给出了这种线性规划的精确的最小2-范数解,在此基础上提出了快速的牛顿算法,此算法只需要一个线性方程组解算器。理论、数值实验以及在癌症基因表达数据分类上的应用都表明了用牛顿算法实现的无参数鲁棒线性规划支持向量机模型合理、简单,算法快速、容易实现。 4.用FDOD方法对DNA序列进行相似性分析。序列的比较是生物信息学中最常用的研究手段之一,其根本任务是发现序列之间的相似性和不相似性。序列比对是序列比较的主要方法,但有其不足之处,所以很多人寻求用其他方法来比较DNA序列。本文
【学位授予单位】:大连理工大学
【学位级别】:博士
【学位授予年份】:2005
【分类号】:TP311.13

【引证文献】
中国博士学位论文全文数据库 前1条
1 吴自凯;信息度量的蛋白质序列、结构、质谱数据研究[D];大连理工大学;2007年
中国硕士学位论文全文数据库 前2条
1 张书春;数据挖掘技术在SMS系统中的应用研究[D];郑州大学;2010年
2 曲娟;同源寡聚蛋白质的信息熵分类方法[D];大连理工大学;2006年
【参考文献】
中国期刊全文数据库 前9条
1 田盛丰,黄厚宽;基于支持向量机的数据库学习算法[J];计算机研究与发展;2000年01期
2 宋晓峰;陈德钊;俞欢军;胡上序;;支持向量机中优化算法[J];计算机科学;2003年03期
3 张文,唐焕文,方伟武,修志龙;信息离散性度量方法在SARS病毒研究中的应用[J];计算机与应用化学;2003年06期
4 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期
5 卢增祥,李衍达;交互支持向量机学习算法及其应用[J];清华大学学报(自然科学版);1999年07期
6 王冰,唐焕文,修志龙,方伟武;基于信息离散性度量方法的大肠杆菌全基因组比较研究[J];中国生物工程杂志;2003年11期
7 陈润生;生物信息学[J];生物物理学报;1999年01期
8 刘江华,程君实,陈佳品;支持向量机训练算法综述[J];信息与控制;2002年01期
9 张春霆;生物信息学——重大科学意义与经济效益兼备的新学科[J];中国科学基金;1999年02期
【共引文献】
中国期刊全文数据库 前10条
1 郭苗莉,朱江波,陈蓉芳,张天宝;应用基因表达谱芯片研究MNNG诱致小鼠胚胎畸形肢体基因表达的变化[J];癌变.畸变.突变;2005年02期
2 张世海,刘晓燕,欧进萍;高层结构智能选型知识发现及方法比较[J];四川建筑科学研究;2005年05期
3 王朝霞;生物信息学:一门前沿交叉学科[J];安徽教育学院学报;2002年06期
4 潘洁珠;半结构化数据及其数据模型[J];安徽教育学院学报;2003年06期
5 陈征;;一类系统的二次李雅普诺夫函数存在性的判断[J];安徽电子信息职业技术学院学报;2006年04期
6 赵鹏,倪志伟,贾瑞玉;基于数据挖掘技术的范例库维护[J];安徽大学学报(自然科学版);2003年02期
7 孙小军;焦建民;何俊红;;解优化问题的遗传加速信赖域搜索算法[J];安徽大学学报(自然科学版);2008年03期
8 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期
9 庄振华;王年;李学俊;梁栋;王继;;癌症基因表达数据的熵度量分类方法[J];安徽大学学报(自然科学版);2010年02期
10 张家昕;段复建;;一种结合NCP函数的SQP滤子新算法[J];安徽大学学报(自然科学版);2010年05期
中国重要会议论文全文数据库 前10条
1 章曙光;;基于CBR的电力负荷预测系统的研究与实现[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
2 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
3 刘钰;韩峰;董楠;陆希成;雷鸣;;爆炸容器安全概率的统计分析方法[A];全国危险物质与安全应急技术研讨会论文集(下)[C];2011年
4 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
5 宋海鹰;桂卫华;阳春华;;基于最小二乘支持向量机的Hammerstein-Wiener模型辨识[A];第二十六届中国控制会议论文集[C];2007年
6 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
7 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
8 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
9 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
10 周绮凤;林成德;罗林开;彭洪;;一种基于黎曼度量的训练样本类不平衡SVM分类方法研究[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 王杰;基于人工智能的乒乓球比赛技战术诊断与评估研究[D];上海体育学院;2010年
2 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
3 于化龙;基于DNA微阵列数据的癌症分类技术研究[D];哈尔滨工程大学;2010年
4 母丽华;煤矿安全预警系统的方法研究[D];哈尔滨工程大学;2010年
5 谭佳琳;粒子群优化算法研究及其在海底地形辅助导航中的应用[D];哈尔滨工程大学;2010年
6 梁洪;基于内容的医学图像检索及语义建模关键技术研究[D];哈尔滨工程大学;2010年
7 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
8 朱广平;混响干扰中的信号检测技术研究[D];哈尔滨工程大学;2009年
9 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
10 孙鹏飞;基于计算智能技术的蛋白质结构预测方法研究[D];哈尔滨工程大学;2010年
中国硕士学位论文全文数据库 前10条
1 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年
2 杨堃;鹅CYP7A1基因克隆、表达调节及表达规律的研究[D];华中农业大学;2010年
3 展慧;基于多源信息融合技术的板栗分级检测方法研究[D];华中农业大学;2010年
4 李红;苏云金芽胞杆菌YBT1520杀虫晶体突变株的蛋白质组学分析[D];华中农业大学;2010年
5 陈卫卫;耐高温水稻资源高温诱导表达蛋白鉴定与分析[D];华中农业大学;2010年
6 范红朴;IT行业员工离职预警问题研究[D];华中农业大学;2010年
7 杜二玲;拟概率空间上等均值噪声下统计学习理论的理论基础[D];河北大学;2007年
8 张小亮;非线性规划的信赖域算法[D];河南理工大学;2010年
9 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
10 刘志强;基于数据挖掘的客户行为分析和预测研究[D];山东科技大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 刘军,许甫荣;基于相对熵原理构建生物进化系统树[J];北京大学学报(自然科学版);2003年S1期
2 马晓红,杜晓辉,孔祥维;一种利用模糊神经网络对癌症进行分类的方法[J];大连理工大学学报;1999年06期
3 张文;唐焕文;方伟武;蔡旭;张伟伟;;基于全蛋白质组的微生物系统发育树构建[J];大连理工大学学报;2005年06期
4 王岩;;数据挖掘过程的研究[J];福建电脑;2007年03期
5 张海涛;“十五”期间至2010年我国广播影视科技事业发展的总体目标和主要任务[J];中国广播电视学刊;2001年01期
6 卢本卓,王存新,王宝翰;用于真实蛋白质结构预测的一种新的优化方法[J];化学物理学报;2003年02期
7 杨欢耸;;CRM中序列模式分析与神经网络结合的应用研究[J];浙江大学学报(理学版);2006年02期
8 刘贇,王宝翰,王存新,陈慰祖;基于相对熵的蛋白质设计新方法[J];中国科学G辑:物理学、力学、天文学;2003年04期
9 龚维荣,周顺平,万波;浅谈Oracle数据库基于索引的SQL语句优化方法[J];计算机工程与应用;2003年05期
10 王晶;卫金茂;由军平;;支持向量机及其在癌症诊断中的应用[J];计算机工程与应用;2005年36期
中国博士学位论文全文数据库 前3条
1 靳利霞;蛋白质结构预测方法研究[D];大连理工大学;2002年
2 张敏;生物信息学中多序列比对等算法的研究[D];大连理工大学;2005年
3 张绍武;基于支持向量机的蛋白质分类研究[D];西北工业大学;2004年
中国硕士学位论文全文数据库 前10条
1 李朝娟;基于聚类技术的客户细分模型研究与实现[D];哈尔滨工业大学;2006年
2 王晋;数据挖掘技术在电信企业客户关系管理中的应用研究[D];兰州理工大学;2007年
3 刘志鹏;数字电视用户管理系统运营体系的设计与实现[D];电子科技大学;2007年
4 张智钦;基于数据挖掘的客户细分研究[D];暨南大学;2007年
5 徐春艳;面向实时数据仓库的ETL研究[D];南京航空航天大学;2007年
6 张秀玲;数据挖掘技术在电信客户欺诈分析中的应用[D];中国石油大学;2007年
7 齐先锋;数据挖掘在电信企业客户细分中的应用研究[D];江西理工大学;2007年
8 栗粟;数据挖掘在电信行业CRM中的应用[D];长春理工大学;2008年
9 陈湘;数字电视运营支撑系统[D];电子科技大学;2007年
10 黄震;数据挖掘在电信客户流失预警中的应用[D];北京邮电大学;2008年
【二级引证文献】
中国博士学位论文全文数据库 前2条
1 孙鹏飞;基于计算智能技术的蛋白质结构预测方法研究[D];哈尔滨工程大学;2010年
2 郑婷婷;随机商分形模型及其在蛋白质分析中的应用[D];安徽大学;2007年
中国硕士学位论文全文数据库 前1条
1 时冲;蛋白质质谱数据挖掘方法研究[D];南京理工大学;2011年
【二级参考文献】
中国期刊全文数据库 前5条
1 郭卫斌,施保昌,王能超;多重生物序列对准及其算法综述[J];高技术通讯;2001年06期
2 田盛丰,黄厚宽;基于支持向量机的数据库学习算法[J];计算机研究与发展;2000年01期
3 张立震,唐焕文;一种基于子序列分布的蛋白质结构类预测方法[J];计算机与应用化学;2003年03期
4 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期
5 卢增祥,李衍达;交互支持向量机学习算法及其应用[J];清华大学学报(自然科学版);1999年07期
【相似文献】
中国期刊全文数据库 前10条
1 张新光,王建华;数据仓库信息处理技术研究[J];齐齐哈尔大学学报;2000年03期
2 丁纪云,蔡春娥;利用构造数据集评定数据挖掘过程的方法[J];湖南广播电视大学学报;2001年02期
3 任承业,罗伟其;校园信息系统中CRM与数据挖掘的结合和应用[J];计算机工程与应用;2003年13期
4 王艳;数据挖掘在数字图书馆中的应用[J];情报科学;2003年02期
5 邵红全,赵茜;用SQL Server2000实现数据挖掘的技术与策略[J];电脑开发与应用;2003年04期
6 耿庆鹏,卢子芳;利用数据挖掘技术实现对电信行业用户欺诈行为的预测[J];电信快报;2003年10期
7 蒋良孝,蔡之华;基于数据仓库的数据挖掘研究[J];计算技术与自动化;2003年03期
8 叶静,蔡之华;遥感图像中的数据挖掘应用概述[J];计算机与现代化;2003年10期
9 黄解军,万幼川,潘和平;银行客户关系管理与数据挖掘的应用[J];计算机工程与设计;2003年07期
10 崔强,朱卫东;基于数据挖掘的铁路机务段成本控制系统[J];铁路计算机应用;2003年01期
中国重要会议论文全文数据库 前10条
1 郭学军;陈晓云;;粗集方法在数据挖掘中的应用[A];第十六届全国数据库学术会议论文集[C];1999年
2 徐慧;;基于Web的文献数据挖掘[A];第十七届全国数据库学术会议论文集(技术报告篇)[C];2000年
3 孙迎;;医院信息的数据挖掘与方法研究[A];中华医学会第十次全国医学信息学术会议论文汇编[C];2004年
4 薛晓东;李海玲;;数据挖掘的客户关系管理应用[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(下册)[C];2004年
5 郭建文;黄燕;印鉴;杨小波;梁兆辉;;建立中风病“阴阳类证”辨证规范的数据挖掘研究[A];中华医学会第十三次全国神经病学学术会议论文汇编[C];2010年
6 薛鲁华;张楠;;聚类分析在Web数据挖掘中的应用[A];北京市第十三次统计科学讨论会论文选编[C];2006年
7 朱扬勇;黄超;;基于多维模型的交互式数据挖掘框架[A];第二十届全国数据库学术会议论文集(技术报告篇)[C];2003年
8 陈涛;胡学钢;陈秀美;;基于数据挖掘的教学质量评价体系分析[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
9 王星;谢邦昌;戴稳胜;;数据挖掘在保险业中的应用[A];北京市第十二次统计科学讨论会论文选编[C];2003年
10 郭建文;黄燕;印鉴;杨小波;梁兆辉;;建立中风病阴阳类证辨证规范的数据挖掘研究[A];2010中国医师协会中西医结合医师大会摘要集[C];2010年
中国重要报纸全文数据库 前10条
1 李开宇 黄建军 田长春;把“数据挖掘”作用发挥出来[N];中国国防报;2009年
2 华莱士;“数据挖掘”让银行赢利更多[N];国际金融报;2003年
3 记者 晏燕;数据挖掘让决策者告别“拍脑袋”[N];科技日报;2006年
4 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年
5 张立明;数据挖掘之道[N];网络世界;2003年
6 中圣信息技术有限公司 李辉;数据挖掘在CRM中的作用[N];中国计算机报;2001年
7 田红生;数据挖掘在CRM中的应用[N];中国经济时报;2002年
8 王广宇;数据挖掘 加速银行CRM一体化[N];中国计算机报;2004年
9 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年
10 张舒博;数据挖掘 提升品牌的好帮手[N];首都建设报;2009年
中国博士学位论文全文数据库 前10条
1 孙丽;工艺知识管理及其若干关键技术研究[D];大连交通大学;2005年
2 胡志坤;复杂有色金属熔炼过程操作模式智能优化方法研究[D];中南大学;2005年
3 刘革平;基于数据挖掘的远程学习评价研究[D];西南师范大学;2005年
4 刘寨华;基于临床数据分析的病毒性心肌炎证候演变规律研究[D];黑龙江中医药大学;2006年
5 王川;基因芯片数据管理及数据挖掘[D];中国科学院研究生院(上海生命科学研究院);2004年
6 王涛;挖掘序列模式和结构化模式的精简集[D];华中科技大学;2006年
7 郭斯羽;动态数据中的数据挖掘研究[D];浙江大学;2002年
8 李旭升;贝叶斯网络分类模型研究及其在信用评估中的应用[D];西南交通大学;2007年
9 刘东升;面向连锁零售企业的客户关系管理模型(R-CRM)研究[D];浙江工商大学;2008年
10 余红;网络时政论坛舆论领袖研究[D];华中科技大学;2007年
中国硕士学位论文全文数据库 前10条
1 廖赛恩;养生方数据挖掘分析系统的研制[D];湖南中医药大学;2010年
2 李坤然;数据挖掘在股市趋势预测的应用研究[D];中南林业科技大学;2008年
3 郑宏;数据挖掘可视化技术的研究与实现[D];西安电子科技大学;2010年
4 杜金刚;数据挖掘在电信客户关系管理及数据业务营销中的应用[D];北京邮电大学;2010年
5 徐路;基于决策树的数据挖掘算法的研究及其在实际中的应用[D];电子科技大学;2009年
6 梁小鸥;数据挖掘在高职教学管理中的应用[D];华南理工大学;2011年
7 王浩;数据挖掘在上海市职业能力考试院招录考试优化管理项目中的运用研究[D];华东理工大学;2012年
8 黎卫英;数据挖掘在中职幼教课程改革中的应用[D];福建师范大学;2009年
9 张煜辉;数据挖掘和SPC在生产过程质量控制中应用研究[D];上海交通大学;2009年
10 刘华敏;数据挖掘在高职院校学生成绩分析中的应用[D];安徽大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026