已閱讀1頁，還剩50頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、廣義主成分分析(Generalized principal component analysis，GPCA)是以主成分分析(Principal component analysis，PCA)為基礎(chǔ)發(fā)展起來的，其思想與主成分分析相同，是用較少的指標(biāo)代替多的指標(biāo)來反映原來指標(biāo)的信息.例如，有n個樣品，每個樣品測得p個指標(biāo)，共有np個數(shù)據(jù).由于指標(biāo)之間往往互有影響，從p個指標(biāo)中找出幾個綜合指標(biāo)并對其進行分析，這樣就可以使用小于p個指標(biāo)去計算，
2、卻能得到p個指標(biāo)計算出來的結(jié)果.
從海量的單核苷酸多態(tài)性(Single nucleotide polymorphisms，SNPs)中，挑選出與疾病或某些臨床、環(huán)境因素有關(guān)的位點，仍是全基因組關(guān)聯(lián)分析中(Genomewide association study,GWAS)的一個重要的課題，本文針對表型-SNP構(gòu)成的二維列聯(lián)表結(jié)構(gòu)，提出了一個GPCA模型，該模型是同時對所有SNPs建立的.具體就是對該模型的矩陣作奇異值分解(Si
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于主成分分析的入侵檢測方法.pdf
- 58095.幾種生物全基因組的分析
- 基于主成分分析和神經(jīng)網(wǎng)絡(luò)的癌癥驅(qū)動基因預(yù)測模型.pdf
- 基于線性混合模型的全基因組關(guān)聯(lián)分析的算法研究.pdf
- 基于主成分分析的硬件木馬檢測技術(shù)研究
- 基于主成分分析的網(wǎng)絡(luò)流量異常檢測研究.pdf
- 基于主成分分析的硬件木馬檢測技術(shù)研究.pdf
- 基于主成分分析的綜合評價研究.pdf
- 主成分分析與二維主成分分析之比較研究.pdf
- 基于主成分分析的人臉識別研究.pdf
- 基于主成分分析的資源城市轉(zhuǎn)型研究
- 基于主成分分析的圖像重構(gòu)算法研究.pdf
- matlab主成分分析
- 主成分分析案例
- 39035.基于生物學(xué)通路方法的全基因組關(guān)聯(lián)分析
- 微生物全基因組范圍內(nèi)的最小基因組研究進展
- 基于改進主成分分析的電網(wǎng)分區(qū)方案評價模型的研究.pdf
- 基于主成分分析的顧客資產(chǎn)評估.pdf
- 全基因組關(guān)聯(lián)研究中的多水平模型.pdf
- 主成分分析實例
評論
0/150
提交評論