基于模糊支持向量機(jī)的基因表達(dá)數(shù)據(jù)分類方法研究.pdf

1、隨著分子生物科學(xué)和信息科學(xué)的快速發(fā)展，生物信息技術(shù)作為新型學(xué)科成為前沿研究領(lǐng)域，通過(guò)基因分類可以將海量的基因表達(dá)數(shù)據(jù)劃分成數(shù)量相對(duì)較少且具有生物意義的組，并在此基礎(chǔ)上從中抽取具有價(jià)值的信息，以便弄清楚不同基因組合的功能關(guān)系和工作方式。如何對(duì)基因數(shù)據(jù)進(jìn)行有效的分類，以提取對(duì)生理學(xué)和醫(yī)藥學(xué)等有價(jià)值的生物信息成為研究的熱點(diǎn)。所以本文研究的模糊支持向量機(jī)的基因分類技術(shù)具有實(shí)際意義。 模糊支持向量機(jī)既有支持向量機(jī)的泛化能力強(qiáng)、全局最優(yōu)等優(yōu)

2、點(diǎn)，又有模糊技術(shù)的不依賴被控對(duì)象模型、魯棒性強(qiáng)等優(yōu)點(diǎn)，近幾年得到了廣泛的發(fā)展。本文把模糊支持向量機(jī)應(yīng)用到基因分類這一領(lǐng)域中，能夠有效的區(qū)分分類的中的噪聲和野值樣本，提高了分類的精度，具有良好的可行性。 本文主要研究模糊支持向量機(jī)算法在基因分類中的應(yīng)用，提出了改進(jìn)的模糊支持向量機(jī)算法，并應(yīng)用到基因分類中。在重視分類面附近的樣本的基礎(chǔ)上，提出了基于分類超平面的模糊最小二乘支持向量機(jī)算法。在分類過(guò)程中，位于分類超平面附近的樣本點(diǎn)很有可

3、能成為支持向量，對(duì)分類的結(jié)果影響比較大，因此在隸屬度設(shè)計(jì)中，對(duì)這些樣本賦予了較大的隸屬度權(quán)值。實(shí)驗(yàn)結(jié)果表明該算法提高了分類的精度。 最小二乘模糊支持向量機(jī)很好的解決了凸二次規(guī)劃的問(wèn)題，在模糊隸屬度設(shè)計(jì)過(guò)程中，除了要考慮了樣本與類中心之間的關(guān)系，還應(yīng)該充分的考慮了樣本與樣本之間的關(guān)系，為此本文提出了一種基于密度的最小二乘支持向量機(jī)算法，通過(guò)樣本在該樣本周圍一定范圍內(nèi)的樣本數(shù)量來(lái)確定密度，并以此來(lái)設(shè)計(jì)隸屬度函數(shù)，很好的減小了噪聲或野