一种基因数据分析的半监督学习算法

　　在此实验中，训练集的样本数越多，分类效果越好；对于S4VM，有标记的样本数越多，其精确度越高，而且可以看出S4VM不会出现太大的精度变化，而SVM精度变化很大,说明S4VM的鲁棒性效果非常好。

　　实验2 进行去无关基因和直接降维的对比。采用了PCA+SVM、PCA+S4VM、LPP+SVM及LPP+S4VM进行了对比实验;选择315个特征基因分别降到7、10、15、30、和50维。采用SVM分类器时作为训练集，在用S4VM时采用62个样本中的3/10约 19个作为标记的数据。实验对比结果如表2所示。可以得出，无关基因作为样本中无关的属性，其存在对分类器模型的选取影响很大；LPP由于很好地保持了局部结构，其降维效果明显要比PCA好；S4VM由于考虑了多个低密度分割器，并且充分利用了无标记的数据，使其对分类器的训练有更好的贡献，其鲁棒性及精度要比直接使用标记数据的SVM分类效果更明显。

　　基因数据的主要特点是高维数和高噪音。本文基于挖掘数据本质特征的思路，采用降维和安全的机器学习技术提出一种基因数据分析的半监督学习算法。通过实验证明了算法中应用降维的有效作用，同时也显示出应用S4VM作为学习机的潜力，为该方面更深入的研究提供了重要理论和方法基础。

　　参考文献

　　[1] HOUBIN B, CHUNG R. Gene expression data classificationand Bioengineering(BIBE), IEEE 11th Inter-national Conference, 2011:66-71.

　　[2] YEUNG K Y, RUZZO W L. Principal component analysis for clustering gene expression data[J]. Bioinformatics, 2011,7(9):763-774.

　　[3] GOLUB T R, SLONIM D K, TAMAYO P, et al. Molecularclassification of cancer: class discovery and class predic-tion by gene expression monitoring[J]. Science, 1999(286):531-537.

　　[4] 李颖新，李建更，阮晓刚.肿瘤基因表达谱分类特征基因选取问题及分析方法研究[J].计算机学报,2006，2一体成型电感 9(2)：324-330.

　　[5] 于化龙,顾国昌,赵靖，等. 基于DNA微阵列数据的癌症分类问题研究进展[J]. 计算机科学，2010,37(10):16-22.

　　[6] 张敏,戈文航.双聚类的研究与进展[J]. 微型机与应用，2012,31(4):4-6.

　　[7] HUANG S C, WU T K. Robust semi-super-vised SVM on kernel partial least 大电流电感工厂discriminantspace for high dimensional data mining[C]. Proceedings of Information Science and Appli-cations(ICISA), International Conference,2012：1-6.

　　[8] JOLLIFFE T. Principal component analysis [M].New York:Springer,1986.

　　[9] He Xiaofei,NIYOGI P.Locality preserving pro-jections[C]. Proceedings of Advances In Neural Information Processing Systems 16, MA: Cambridge, MIT Press, 2004:153-160.

　　[10] Li Yufeng, Zhou Zhihua. Towards making unlabeled data never hurt[C]. In: Proceedings of the 28th International Conference on Machine Learning(ICML’11), Bellevue, WA, 2011:1081-1088.

　　[11] ALON U, BARKAL N, NOTTERMAN D A, et al. Broad patterns of gene expression revealed by clustering analysisof tumorand normal colon tissues by oligonucleotide arr-ays[J]. Proceedings of the National Academy of Science, 1999,96(12):6745-6750.

[DCDC]植物生长灯驱动芯片大功率降压恒流高恒流LED植物生长灯驱动芯片大功率降压恒流高恒流精度ACDC平均电流非隔离降压型 LED 恒流驱动芯片AP2400 产品优点： 　　AP2400 内置温度保护输出带短路保护内置5V 稳压管高效率：可高达95%工作频率：130kHz宽输入电压范围：8V~100V，输出电流可达5A 智能蓝牙球泡灯RGBW手机蓝牙灯泡专用调光升压降压恒流共阳驱动板供应开发可供应电源方案驱动方案驱动板开发供应AP2400 概述：AP2400 是一款高效率，稳定可靠的LED 恒流车灯驱动芯片AP2400 采用SOP8 封

双曲线函数发生电路该电路采用了数/模转换器DAC-20EX和运放OP17G，组成扩大范围的A/X型双曲线函数，其中A为模拟常数，X表示用十进制表示的数字式除数。双曲线函数发生电路:

8位液晶译码驱动MAX7232BF的原理及应用MAX7232BF为串行输入4位数据、2位小数点和4位地址；输出为10位数据加20个独立小数点，数据输出代码为BCD码，每一位的2个小数点都在COM3上。可以直接与微处理器连接。1 管脚结构及说明 M

 3/3   首页 上一页 1 2 3