支持向量機(jī)最優(yōu)參數(shù)選取及應(yīng)用.pdf

1、隨著現(xiàn)代生物學(xué)的發(fā)展，尤其是人類基因組計劃完成以后，從分子層面上研究疾病問題也得到廣泛的認(rèn)同；在高通量實驗技術(shù)快速發(fā)展的驅(qū)動下，獲得人類及其他模式生物的基因表達(dá)譜數(shù)據(jù)成為可能，如此大量的數(shù)據(jù)信息為我們重新認(rèn)識細(xì)胞生物和疾病提供了寶貴的機(jī)會。
　　 但是，基因表達(dá)譜數(shù)據(jù)的突出特點(diǎn)：預(yù)測樣本的維數(shù)遠(yuǎn)遠(yuǎn)大于樣本個數(shù)，決定大多數(shù)傳統(tǒng)統(tǒng)計方法不能直接應(yīng)用，或者得不到正確的預(yù)測結(jié)果。因此，我們面臨的挑戰(zhàn)就是設(shè)計新的統(tǒng)計模型來高效的分析、解釋

2、基因表達(dá)譜數(shù)據(jù)。
　　 統(tǒng)計學(xué)習(xí)理論是由Vapnik等人提出的一種小樣本統(tǒng)計理論，著重研究在小樣本情況下的統(tǒng)計規(guī)律和學(xué)習(xí)方法性質(zhì)；統(tǒng)計學(xué)習(xí)理論為機(jī)器學(xué)習(xí)問題建立了一個較好的理論框架。支持向量機(jī)就是在此基礎(chǔ)上發(fā)展起來的一種學(xué)習(xí)算法，它采用結(jié)構(gòu)風(fēng)險最小化原理，能夠較好地解決小樣本學(xué)習(xí)問題。
　　 在應(yīng)用支持向量機(jī)解決具體問題時，首先考慮核函數(shù)的選取及參數(shù)的選擇。雖然目前關(guān)于核函數(shù)的研究在理論和應(yīng)用上取得了一定的成果，但尚未形