基因模式的PICA獲取及基于Boosting的模式分類.pdf

1、基因芯片是獲取大規(guī)?；虮磉_數(shù)據(jù)的嶄新技術,運用這種技術可以獲得并分析機體組織中成千上萬個基因的表達水平及其與疾病的關系.但是,機體組織所具有的部分體積效應,使得對基因微陣列數(shù)據(jù)的直接處理將造成所提取特征不是真正的生物基因特征本身,嚴重降低基因特征測量的靈敏度和指向性.因此,該文提出用部分獨立分量分析方法代替?zhèn)鹘y(tǒng)的生物醫(yī)學方法進行基因的部分體積修正從而獲得真正感興趣的微陣列數(shù)據(jù).該方法不但降低了生物實驗的成本,而且易于操作實現(xiàn),具有很強

2、的應用價值.同時,根據(jù)基因微陣列數(shù)據(jù)的特點:極少樣本超高維,該文引入了一個新的統(tǒng)計機器學習算法Boosting.在對Boosting算法進行詳細分析并設計了一種新的證明其收斂性的方法后,從算法的不穩(wěn)健性出發(fā),對Boosting算法中多個弱分類器集成規(guī)則進行了改進,提出了一種穩(wěn)健的Boosting學習算法.經過對公開的測試數(shù)據(jù)集和真實的基因微陣列數(shù)據(jù)大量實驗,證明了用部分獨立分量分析方法獲取基因微陣列數(shù)據(jù)及Boosting改進算法進行基因