Boosting方法在基因微阵列数据判别分析中的应用

Boosting方法在基因微阵列数据判别分析中的应用

论文摘要

基于高通量的“微阵列(Microarray)”技术的迅速发展,给统计学专业人员提供了大量的微阵列数据。这类“小样本、高维度”的资料(m>>n),给传统的分类判别方法带来了前所未有的挑战,Boosting方法作为集成算法中的一员,一直以其“完美”的分类能力吸引着众多的研究者和应用者。 本研究在系统介绍了Boosting的基本思想,以及它的两种算法——AdaBoost和LogitBoost的基本过程的基础上,采用这两种Boosting算法对模拟数据和维度较低的资料建立判别预测模型,并与另两种集成算法(Bagging和Random-Forest)和三种传统判别分析方法(Fisher’s线性判别、Fisher’s二次判别和logistic回归判别)的预测效果进行了比较。 本研究根据基因微阵列数据的特殊性,对两个网络数据库——白血病数据和乳腺癌数据进行了分析,思路如下:(1)使用FDR控制程序校正P值,以P≤0.05或P≤0.01为标准筛选基因变量,使得维度小于样本含量,建立判别预测模型,将Boosting方法与两种集成算法和三种传统的方法相比较;(2)按照P值的排序选择不同数目的基因预测变量,分别建立判别预测模型,考察Boosting的相对优势(包括预测精度和敏感性);(3)提取主成分,作主成分判别分析,考察Boosting方法的优势。以上均用交叉验证思路考察模型的预测效果和预测结果的稳定性。 本研究主要结论: 1.Boosting的总体预测效果普遍优于Bagging、Random-Forest以及传统的

论文目录

  • 中文摘要
  • 英文摘要
  • 正文部分
  • 1、 前言
  • 2、 Boosting算法
  • 3、 模拟数据分析
  • 4、 白血病基因微阵列数据的判别分析
  • 5、 乳腺癌基因微阵列数据的判别分析
  • 6、 讨论
  • 7、 结论
  • 8、 主要参考文献
  • 致谢
  • 综述及参考文献
  • 论文独创性声明、论文使用授权声明
  • 相关论文文献

    • [1].针对非平衡警情数据改进的K-Means-Boosting-BP模型[J]. 中国图象图形学报 2017(09)
    • [2].Successful Application of Hydrocracking Technology Aimed at Prodigiously Boosting Jet Fuel Yield[J]. China Petroleum Processing & Petrochemical Technology 2016(04)
    • [3].矩优化Boosting算法[J]. 模式识别与人工智能 2015(12)
    • [4].Boosting算法理论与应用研究[J]. 中国科学技术大学学报 2016(03)
    • [5].Boosting Rural Development through Industrial Prosperity[J]. China Today 2020(09)
    • [6].比例优势boosting算法在高维有序多分类数据分析中的应用[J]. 中国卫生统计 2018(03)
    • [7].Technology Relating to Catalyst for Boosting Gasoline Yield Developed by RIPP Passed Appraisal[J]. China Petroleum Processing & Petrochemical Technology 2017(01)
    • [8].Thickness Measurement of Insulation Coating by NIR Spectrometry Based on Boosting-KPLS[J]. 光谱学与光谱分析 2011(08)
    • [9].基于改进On-line Boosting算法的视频目标跟踪[J]. 电视技术 2015(16)
    • [10].基于统计分析Boosting的复杂场景目标识别方法研究[J]. 仪器仪表学报 2010(08)
    • [11].Short-term wind power forecasting using hybrid method based on enhanced boosting algorithm[J]. Journal of Modern Power Systems and Clean Energy 2017(01)
    • [12].Overview of boosting options for future downsized engines[J]. Science China Technological Sciences 2011(02)
    • [13].基于多类在线Boosting的图像识别算法[J]. 计算机辅助设计与图形学学报 2011(07)
    • [14].Boosting Cultural Industry[J]. China's Foreign Trade 2009(21)
    • [15].具有动态级联结构的在线Boosting算法[J]. 东南大学学报(自然科学版) 2009(S1)
    • [16].基于Boosting框架的推荐系统架构与优化[J]. 现代电子技术 2020(08)
    • [17].Catalyst RCGP-1 for Boosting Gasoline Yield Passed SINOPEC's Appraisal[J]. China Petroleum Processing & Petrochemical Technology 2017(02)
    • [18].基于在线多核boosting的鲁棒视觉跟踪[J]. 光电子·激光 2016(05)
    • [19].一种基于Boosting的目标识别方法[J]. 电气自动化 2013(05)
    • [20].Snapshot boosting: a fast ensemble framework for deep neural networks[J]. Science China(Information Sciences) 2020(01)
    • [21].线性回归模型的Boosting变量选择方法[J]. 工程数学学报 2015(05)
    • [22].基于Boosting的网络异常流量检测算法研究[J]. 淮阴工学院学报 2011(05)
    • [23].两分类不平衡数据的Boosting算法[J]. 统计与决策 2010(10)
    • [24].基于组合Boosting回归的软测量建模[J]. 计算机工程与应用 2010(25)
    • [25].基于改进的Boosting算法的仓库监控区域目标跟踪研究[J]. 微型电脑应用 2020(05)
    • [26].Systematic Advancement[J]. Beijing Review 2020(24)
    • [27].Boosting算法研究[J]. 电脑知识与技术 2008(36)
    • [28].基于Boosting模糊分类的入侵检测[J]. 计算机工程 2008(05)
    • [29].一种自适应的多类Boosting分类算法[J]. 计算机科学 2017(07)
    • [30].基于Boosting算法软件可靠性动态赋权组合建模[J]. 数字技术与应用 2017(08)

    标签:;  ;  ;  ;  

    Boosting方法在基因微阵列数据判别分析中的应用
    下载Doc文档

    猜你喜欢