收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

高通量数据特征选择算法研究

耿耀君  
【摘要】:随着高通量检测技术的不断进步,在生命科学领域,人们获得了各种各样的高通量数据,如:基因表达数据,单核苷酸多态性数据等。这些数据为我们从多种层面去认识疾病发生的机理,同一物种不同种群间的差异等问题提供了详细的资料。但通常这些数据均是小样本高维数据,即:数据中样本个数远小于特征个数,直接用传统的模式分类方法处理它们时往往发生“维数灾难”现象。目前避免“维数灾难”现象的有效手段之一是:在模式分类之前,先用特征选择方法移除数据中的无关特征。本文以基因表达数据和单核苷酸多态性数据为例从如何考虑多个特征间的相互影响和如何定义揭示多个特征间相互影响的相关性测度两个角度对高通量数据的特征选择做了研究,主要工作如下: 1.由主分量分析与形状分析相结合的基因选择方法没有有效利用样本的类别信息。针对这一缺点,提出了一种新的基因选择方法,该方法将间隔最大化判别分析和形状分析相结合,在选择基因过程中不仅整体上考虑了基因与基因之间的相互作用,也考虑了基因与类之间的相互关系,提高了所选基因集的分类性能。在四组微阵列基因表达数据上的实验结果表明,所提方法的性能优于主分量分析与形状分析相结合的方法,与当前两个流行的多变量Filter方法相比,所提方法也具有一定的优势。 2.提出了一种基于最大条件相关最小冗余准则的特征选择方法:CMRMR。该方法可以看作是最大相关最小冗余方法的扩展,其主要特点是:在特征选择过程中,不仅考虑了已选特征与新选特征的相关性,也考虑了已选特征对新选特征与类标相关性的影响。我们分析了最大条件相关最小冗余准则与现有其它基于条件互信息的特征选择准则的异同,结果表明:现有基于条件互信息的方法均希望新选特征尽可能多的带来已选特征集中不含有的类标的信息,它们的不同之处在于实现这一目标的策略不一样。在模拟数据和基因表达数据上的实验结果表明CMRMR选择的特征集的分类性能在大多数数据上高于最大相关最小冗余方法,与其它基于条件互信息的方法性能相近。 3.目前常用的特征相关性测度可有效评估两个特征之间、单个特征与类标之间的相关性,但却是将特征孤立看待,没有考虑其它特征对它们相关性的影响。针对这一问题,在整体考虑特征之间关系思想的指导下,将稀疏表示技术应用于特征选择,提出一种基于稀疏表示系数的特征相关性测度,它与现有特征相关性测度的不同之处在于:可以揭示特征在数据中其它所有特征影响下与目标的相关性,反映特征间的相互影响。 4.为了验证稀疏表示系数作为一种特征相关性测度的有效性,我们首先在基因表达数据上考察了稀疏表示系数评估的前q个最相关的特征的分类性能,然后用稀疏表示系数分别替换最大相关最小冗余准则和经典方法FCBF中所用的相关性测度,构成新的特征选择准则和新的特征选择方法,并在基因表达数据上考察了新的准则和方法的性能。我们也将基于稀疏表示系数的上述方法和准则与现有的方法和准则进行了比较,相关实验结果表明:基于稀疏表示系数的方法和准则是有效的,它们在大多数数据上的性能高于现有方法和准则。 5.由于稀疏表示系数测度特征的相关性时,考虑了特征间的相互影响,因此稀疏表示系数可以在一定程度上揭示特征间的交互作用。为了清晰的认识稀疏表示系数这一特点的优势,重点考察了稀疏表示系数选择的单核苷酸多态性集合区分相近人群的能力。我们首先基于国际人类单体型图计划第三阶段的单体型数据构造了四个分类问题:美国人分类问题、亚洲人分类问题、非洲人分类问题和欧洲人分类问题,其中第一个分类问题中各人群差异比较大,后三个分类问题中的人群均比较相似。然后比较了基于稀疏表示系数和基于Symmetrical Uncertainty、修正的T-检验和Fst的特征选择方法选择的单核苷酸多态性集合的差异及分类能力。实验结果表明:基于稀疏表示系数选择的单核苷酸多态性集合的分类能力明显高于其它方法,尤其是在相近人群的区分问题上;基于稀疏表示系数选择的单核苷酸多态性集合与基于其它三个测度选择的单核苷酸多态性集合的差异比较大,所选单核苷酸多态性在染色体上的分布特点也不同。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 陈伏虎,宫先仪;遗传与互信息混合算法用于水声目标特征选择[J];信号处理;1997年03期
2 刘斌,曾立波,刘生浩;血液细胞图像自动识别系统的研究[J];计算机工程;2003年01期
3 任江涛;孙婧昊;黄焕宇;印鉴;;一种基于信息增益及遗传算法的特征选择算法[J];计算机科学;2006年10期
4 张惠春;;基于最大熵模型的中文名词短语识别[J];电脑知识与技术;2009年08期
5 王卫玲;孔波;初建崇;杨玫;;一种新的用于文本分类的特征选择算法[J];信息技术与信息化;2009年06期
6 孙雷,王新;一种基于遗传操作和类内类间距离判据理论的特征选择方法[J];计算机工程与应用;2004年21期
7 张向荣,焦李成;基于免疫克隆选择算法的特征选择[J];复旦学报(自然科学版);2004年05期
8 闫相国,明利强;分支定界算法在白细胞特征选择中的应用研究[J];天津职业技术师范学院学报;2004年03期
9 张莉,孙钢,郭军;基于K-均值聚类的无监督的特征选择方法[J];计算机应用研究;2005年03期
10 张维东;朱宏明;周闻钧;;特征选择算法在故障检测中的应用研究[J];无线电通信技术;2006年03期
11 徐峻岭;徐宝文;张卫丰;崔自峰;;一种启发式聚类特征选择方法(英文)[J];东南大学学报(英文版);2006年02期
12 杨端端;金连文;尹俊勋;;MLDA+LDA:手写汉字识别中一种两级LDA分类方法[J];广西师范大学学报(自然科学版);2006年04期
13 李丹;李国正;陆文聪;;用于药物活性预报的Co-Training方法[J];计算机科学;2006年12期
14 严莉莉;张燕平;;基于类信息的文本聚类中特征选择算法[J];计算机工程与应用;2007年12期
15 陈卫东;刘素华;;基于遗传算法的图像特征选择[J];计算机工程与应用;2007年28期
16 陈祥;;基于SVM-RFE的异常入侵检测主机特征选择研究[J];电子测量技术;2007年11期
17 龚静;曾建一;;文本聚类中的特征选择方法[J];吉首大学学报(自然科学版);2008年02期
18 龚静;曾莉;;用于文本分类的特征选择方法[J];湖南环境生物职业技术学院学报;2008年03期
19 袁剑锋;张启蕊;;医药信息文本分类系统中特征选择模块的研究[J];电脑知识与技术;2008年30期
20 周爽;张钧萍;苏宝库;;基于最速上升算法的超光谱图像波段选择搜索算法[J];计算机应用研究;2008年11期
中国重要会议论文全文数据库 前10条
1 李娜;曾向阳;;目标识别中的样本选择和特征选择联合算法研究[A];2009年西安-上海声学学术会议论文集[C];2009年
2 张永;陈思睿;杨志勇;;一种改进的文本分类方法的研究[A];第二届全国信息检索与内容安全学术会议(NCIRCS-2005)论文集[C];2005年
3 王强;曾向阳;王曙光;李娜;;主元分析在水下目标特征选择中的应用[A];中国声学学会水声学分会2011年全国水声学学术会议论文集[C];2011年
4 高砚军;徐华平;;基于窗口自适应灰度共生矩阵的SAR图像分类[A];第六届全国信息获取与处理学术会议论文集(1)[C];2008年
5 李晓丽;王彤;杜振龙;;基于粗糙集理论的流数据最优特征选择[A];第二十二届中国数据库学术会议论文集(研究报告篇)[C];2005年
6 徐燕;孙春明;王斌;李锦涛;;基于词条频率的特征选择算法研究[A];中文信息处理前沿进展——中国中文信息学会二十五周年学术会议论文集[C];2006年
7 李爱新;孙铁;郭炎峰;;基于人工神经网络的脑电信号模式分类[A];自动化技术与冶金流程节能减排——全国冶金自动化信息网2008年会论文集[C];2008年
8 靖红芳;王斌;杨雅辉;;基于类别分布的特征选择框架[A];第四届全国信息检索与内容安全学术会议论文集(上)[C];2008年
9 周志红;周新聪;严新平;袁成清;;磨粒特征参数的评价与优化方法研究[A];2006全国摩擦学学术会议论文集(一)[C];2006年
10 李占潮;陈超;周喜斌;邹小勇;;基于遗传算法和支持向量机预测蛋白质结构类[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
中国博士学位论文全文数据库 前10条
1 韦娜;基于内容图像检索关键技术研究[D];西北大学;2006年
2 张颖;基于群集智能模式识别方法的研究[D];大连理工大学;2008年
3 吕铁军;通信信号调制识别研究[D];电子科技大学;2000年
4 燕忠;基于蚁群优化算法的若干问题的研究[D];东南大学;2005年
5 陈晓云;文本挖掘若干关键技术研究[D];复旦大学;2005年
6 李勇明;尿沉渣图像自动识别算法的研究[D];重庆大学;2007年
7 刘天羽;基于特征选择技术的集成学习方法及其应用研究[D];上海大学;2007年
8 杨水山;冷轧带钢表面缺陷机器视觉自动检测技术研究[D];哈尔滨工业大学;2009年
9 黄东山;特征选择及半监督分类方法研究[D];华中科技大学;2011年
10 熊文;基于群智的特征选择、分类与聚类挖掘的研究[D];北京邮电大学;2010年
中国硕士学位论文全文数据库 前10条
1 房一鸣;用分类树算法进行上市公司评级的实证研究[D];对外经济贸易大学;2006年
2 刘何秀;神经网络集成算法的研究[D];中国海洋大学;2009年
3 张隆;基于信息论的特征选择和分类算法研究[D];西南农业大学;2005年
4 侯小静;贝叶斯分类器研究及其在Web文档分类中的应用[D];郑州大学;2005年
5 秦永;遥感影像特征提取与选择及在影像分类中的应用[D];辽宁工程技术大学;2005年
6 刘宜萍;基于特征选择的多因素时间序列预测模型研究[D];合肥工业大学;2006年
7 杨打生;特征选择的信息论算法研究[D];东南大学;2005年
8 庞宵;信息熵蚁群算法在特征提取和图像识别中的应用[D];辽宁科技大学;2008年
9 王玉晶;基于禁忌搜索算法的生理信号情感识别研究[D];西南大学;2008年
10 杨瑞请;基于BPSO的生理信号的情感状态识别[D];西南大学;2008年
中国重要报纸全文数据库 前10条
1 周晓娟;TD已过分水岭[N];通信产业报;2008年
2 天相投顾 闻群王聃聃;选基金需考虑风险承受力[N];中国证券报;2007年
3 孙志伟;刘刚检查城防林建设[N];齐齐哈尔日报;2008年
4 郑卫东;高产鹅选种方法和标准[N];中国畜牧兽医报;2007年
5 海通证券 娄静吴先兴;把握风险收益特征选择最适合自己的基金[N];上海证券报;2007年
6 华泰证券 吴璟;权证投资:只买对的,不买便宜的[N];上海证券报;2008年
7 张小东;促销之十大常见误区(一)[N];黑龙江经济报;2006年
8 广西钦州灵山县灵城二小 纪雪林;小场地训练途中跑的方法[N];中国体育报;2008年
9 ;现代军队与智能战争[N];中国计算机报;2005年
10 张小明;如何选择供应链[N];现代物流报;2005年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978