学位论文 > 优秀研究生学位论文题录展示

基于非负矩阵分解的肿瘤DNA微阵列数据分类研究

作　者: 张萍
导　师: 郑春厚
学　校: 曲阜师范大学
专　业: 控制理论与控制工程
关键词: 肿瘤分类特征抽取基因选择非负矩阵分解稀疏非负矩阵分解支持向量机
分类号: R73-3
类　型: 硕士论文
年　份: 2009年
下　载: 69次
引　用: 1次
阅　读: 论文下载

内容摘要

DNA微阵列技术是一种由物理学、微电子学与分子生物学等几个领域综合交叉形成的高新技术,该技术已经在医学与生物学上得到越来越广泛的应用,其中在癌症分析检测上的应用使得在大规模基因水平上深入研究癌症的发生、扩散等病理特征成为可能。特别地,进行可靠的癌症类型诊断与预测、癌症关键基因的识别和癌症的分类已成为当前癌症研究中的两项重要内容。尽管如此,由于基因表达谱数据存在维数过高、样本量很小以及噪音非常大等特点,使得选择与肿瘤有关的信息基因或从基因表达谱中抽取肿瘤特征信息已成为一项有挑战性的工作。从基因表达谱中成千上万个基因中选择分类能力尽可能强的而数量又尽可能少的信息基因子集是极具复杂性的。通常情况下,在如此大的基因空间中进行穷尽搜索是不可能的事情。因此,本文提出了一种基于非负矩阵分解的肿瘤信息的选择方法和一种基于非负矩阵分解的特征抽取方法,并构建了基于基因表达谱的肿瘤分类模型。本文主要做了以下两项研究工作:第一,提出了一种基于非负矩阵分解的特征抽取方法。该方法利用非负矩阵分解(Non-negative matrix factorized:NMF)和稀疏非负矩阵分解(Sparse NMF:SNMF)对基因数据进行特征抽取,然后利用支持向量机(Support Vector Machine:SVM)对处理后的数据进行分类。第二,提出了一种基于非负矩阵分解的肿瘤信息选择方法。先利用基于NMF和SNMF的方法从基因表达数据中选择基因的子集;然后,再利用NMF和SNMF从所选择的子集中抽取特征;最后,利用支持向量机(SVM)对所抽取的特征样本进行分类。本文最后指出了目前肿瘤分类研究中存在的一些问题以及今后需要进一步开展的研究工作。

全文目录

摘要  3-4
ABSTRACT  4-6
目录  6-8
第一章绪论  8-13
  1.1 课题研究的背景及意义  8-9
  1.2 DNA微阵列数据分析现状  9-11
  1.3 本文的内容安排与创新点  11-13
    1.3.1 本文的内容安排  11-12
    1.3.2 本文主要创新点  12-13
第二章基于DNA微阵列数据的肿瘤分类方法  13-20
  2.1 肿瘤数据集降维方法概述  13-14
  2.2 基因表达谱数据特征抽取方法  14-15
  2.3 肿瘤信息基因选择方法  15-18
  2.4 肿瘤样本分类器  18-19
  2.5 本章小结  19-20
第三章基于非负矩阵分解的肿瘤基因表达谱数据特征抽取  20-28
  3.1 概述  20-22
  3.2 基于NMF的特征抽取  22-24
    3.2.1 NMF  22-23
    3.2.2 SNMF  23-24
  3.3 实验结果与分析  24-27
    3.3.1 实验数据  24-25
    3.3.2 实验过程  25
    3.3.3 实验结果  25-27
  3.4 本章小结  27-28
第四章基于非负矩阵分解的肿瘤分类特征选择  28-34
  4.1 概述  28
  4.2 基于NMF的基因选择算法  28-29
  4.3 实验过程及结果  29-33
    4.3.1 实验参数的选取  29
    4.3.2 急性白血病数据集  29-31
    4.3.3 髓母细胞瘤数据集和结肠癌数据集  31-33
  4.4 本章小结  33-34
第五章总结与展望  34-35
  5.1 本文的主要创新点  34
  5.2 进一步的研究展望  34-35
参考文献  35-40
在校期间参加的科研项目及发表的学术论文  40-41
致谢  41

基于非负矩阵分解的肿瘤DNA微阵列数据分类研究

内容摘要

全文目录

相似论文