对液相质谱数据集的数据降维

论文摘要

本文主要描述了在一个具有极高维度的液相质谱型宫颈癌数据集中进行数据挖掘的过程。此项目的目的是通过对具有区分一种特定疾病状态,即患癌或非患癌的对应于生物标记的某种蛋白质或肽的发掘来降低数据集的维度。数据降维的两种主要方法——特征选择和特征提取在本项目中都得到利用。我们既整合了一些经典的特征选择算法,又采用了一些较新的算法,比如像CLaNC,OnebyOne,T检验,Gram-Schmidt等,同时也尝试了几乎所有的特征提取算法,包括主成分分析,Autoencoder network等等。最近邻分类法和交叉验证被分别用作分类器和生成训练样本集和测试样本集的数据分割法。大多数的算法都是在MatLab的平台下编程实现的,我们还引入了WEKA作为补充工具。实验是在两种方法学的指导下进行的,即特征选择分别位于交叉验证之前和之后。在分析和对比了由各种算法产生的结果之后,我们能够得出如下结论:尽管对于患癌症者或非患癌者的区分上,GroupI中第391个特征并不是具有0分类错误率的完美

论文目录

• 提要
• 第一章 维数灾难
• 1.1 维数灾难
• 1.2 维数灾难的解决
• 第二章 特征选择与特征提取
• 2.1 特征选择
• 2.1.1 CLaNC 算法描述
• 2.1.2 One-By-One 算法描述
• 2.1.3 T 检验算法描述
• 2.1.4 Gram-Schmidt 算法描述
• 2.1.4.1 经典Gram-Schmidt 算法描述.
• 2.1.4.2 随机特征Gram-Schmidt 算法描述
• 2.2 特征提取
• 2.2.1 主成分分析算法描述
• 2.2.2 Autoencoder network 算法描述
• 2.3 K 最近邻分类器
• 2.4 交叉验证
• 第三章 生物标记的发掘
• 第四章 液相质谱宫颈癌数据集
• 4.1 液相质谱分析法
• 4.1.1 高效液相色谱
• 4.1.2 质谱分析
• 4.1.3 高效液相色谱与质谱分析的接口
• 4.2 液相质谱数据的处理
• 4.3 宫颈癌数据集
• 第五章 数据降维实验
• 5.1 利用WEKA 进行数据降维
• 5.1.1 数据准备-ARFF
• 5.1.2 属性选择
• 5.2 利用MATLAB 进行数据降维
• 5.2.1 CLaNC 算法实现
• 5.2.2 One-By-One 算法实现
• by_one1 算法实现'>5.2.2.1 One_by_one1 算法实现
• by_one2 算法实现'>5.2.2.2 One_by_one2 算法实现
• 5.2.3 T 检验算法实现
• 5.2.3.1 经典t 检验算法实现
• 5.2.3.2 配对t 检验算法实现
• 5.2.4 Gram-Schmidt 算法实现
• 5.2.4.1 经典Gram-Schmidt 算法实现.
• 5.2.4.2 随机特征Gram-Schmidt 算法实现
• 5.2.5 性能比较
• 5.3 利用MATLAB 工具箱进行数据降维.
• 5.4 利用改进的方法学进行数据降维
• 5.4.1 利用WEKA 和改进后的方法学对数据进行降维
• 5.4.2 利用MatLab 和改进后的方法学对数据进行降维
• 第六章 结论
• 附录一 宫颈癌数据集SOP 1
• 附录二 宫颈癌数据集SOP 2
• 附录三 MATLAB 工具箱“DRTOOLBOX”（V0.3b）
• 摘要
• ABSTRACT
• 致谢
• ACKNOWLEDGEMENTS
• 参考文献