資源描述：
《基因微陣列數(shù)據(jù)的分析算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、堆
2、大I微陣列數(shù)據(jù)的分析算法摘爨基因微陣列數(shù)據(jù)的分析算法中文摘要基因微陣列(又稱(chēng)基因芯片)可應(yīng)用對(duì)于不同發(fā)展階段，不同人體組織，不同臨床條件以及不同生物體等條件下的基因表達(dá)水平的測(cè)量?；蛐酒某霈F(xiàn)正在給生命科學(xué)研究、疾病診斷、新藥丌發(fā)、食品衛(wèi)生監(jiān)督等領(lǐng)域帶來(lái)一場(chǎng)革命。與此同時(shí)，由基因微陣列技術(shù)帶來(lái)的海量數(shù)據(jù)也對(duì)傳統(tǒng)的信息處理技術(shù)帶來(lái)了很大的挑戰(zhàn)。鑒于此，本文對(duì)基因微陣列的預(yù)處理和聚類(lèi)算法進(jìn)行了研究。本文的主要貢獻(xiàn)如下：首先，提出了一種改進(jìn)的穩(wěn)健Lowcss算法，對(duì)基因微陣列的數(shù)掘進(jìn)行標(biāo)準(zhǔn)化處理。該算法首先利用局部加權(quán)線性回歸對(duì)數(shù)據(jù)點(diǎn)進(jìn)行平滑估計(jì)，然后再利用核估計(jì)算法對(duì)誤差項(xiàng)進(jìn)行估計(jì)，以進(jìn)一步
3、減小誤差，最后對(duì)每個(gè)格子罩的數(shù)據(jù)點(diǎn)進(jìn)行縮放處理。實(shí)驗(yàn)證明了本文算法的高效性。其次，本文提出了一種新的基因表達(dá)矩陣的缺失值估計(jì)算法。該算法首先利用迭代的K-means算法來(lái)挑選無(wú)缺失基因，再用James-Stein估計(jì)算法并結(jié)合核估計(jì)算法得出最后的估計(jì)值。實(shí)驗(yàn)證明該算法在低缺失率的時(shí)候優(yōu)于其它傳統(tǒng)估計(jì)算法。再次，本文對(duì)模糊譜雙向聚類(lèi)算法進(jìn)行了改進(jìn)。雖然模糊譜雙向聚類(lèi)算法能夠取得不錯(cuò)的效果，但是由于其使用的FCM算法對(duì)數(shù)據(jù)類(lèi)型的敏感性及其局部搜索能力，限制了它的使用，因此本文應(yīng)用GG算法和遺傳算法來(lái)改進(jìn)原算法的局限性。實(shí)驗(yàn)證明本文改進(jìn)算法的優(yōu)越性。最后，本文提出了一種基于基因和條件提取的雙向聚類(lèi)算
4、法。該算法利用央角余弦法排除那些對(duì)聚類(lèi)結(jié)果貢獻(xiàn)小的表達(dá)數(shù)據(jù)，使得聚類(lèi)只在提取的基因和條件中進(jìn)行，從而降低了計(jì)算復(fù)雜度。實(shí)驗(yàn)證明本文算法優(yōu)于其它算法。關(guān)鍵詞：基因微陣列；標(biāo)準(zhǔn)化；James-Stein估計(jì)；核估計(jì)；雙向聚類(lèi)作者：嚴(yán)德春指導(dǎo)教師：王加俊AlgorithmsforGeneMicroarrayDataAnalysisAbstractGeneMicroarray(alsoreferredtoasGenechips)canbeusedinmeasunnggeneexpressionlevelsindifferentdevelopmentalstages，differentbodytissu
5、es，differentclinicalconditionsanddifferentorganisms，etc．Genechipsarenowbringingagreatrevolutlonmthefieldsoflifescienceresearch，diseasediagnosis，newdrugdevelopmentandfoodhygienesupervision．Meanwhile，themassiveGeneMicroarraydataalsobringg刪challengestothetraditionaltechniquesofinformationprocessing．The
6、refore，thisthesisfocusesondevelopingalgorithmsforpre-processingandbiclusteringoftheGeneMicroarraydata．Thecontributionsofthisthesisareasfollows：Firstly，鋤improvedversionoftherobustLowessnormalizationisproposedfortheno咖alizationoftheGeneMicraoarraydata．Inthisalgorithm，thedataarefirstlysmoothedwiththelo
7、callyweightedlinearregressionmethod，thentheerrorisfunher砌ucedbyestimatingtheresidueinsmoothingestimationinaframeworkofkemelestimation．finally,scalingoperationisperformedwithrespecttoeachdatap0Intonthegrid．Experimentalresultsshowbotheffectivenessandefficiencyofthisalg耐thm·Secondly'anovelstrategyfores
8、timatingthemissingdatainthegeneexpresslonm撕xispresented．ThealgorithmisbasedontheJames--Steinandkernelestlmatlonprincipleswheretheestimationmatrixisobtainedwiththek-meansalgorithm·ExperimentalresuItssh
