基于提升小波的基因芯片数据的分类预测-论文.pdf

《基于提升小波的基因芯片数据的分类预测-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2014年6月应用教学争汁笄数学驾报第28卷第2期Jun．2014CommunicationonAppliedMathematicsandComputationVo1．28NO．2DOI10．3969／j．issn．1006—6330．2014．02．010基于提升小波的基因芯片数据的分类预测凌玲，衣娜，王翼飞(上海大学理学院，上海200444)摘要针对肿瘤的早期诊断，提出了一种基于提升小波变换的特征提取的方法，对肿瘤数据样本进行分析鉴别．该方法利用提升小波变换对190例肝癌(包括对照)和107例肺癌(包括对照)基因表达谱芯片数据

2、进行处理后，提取信号的低频信息，经支持向量机训练学习，构造分类器模型，用于癌和非癌样本的区分甄别．实验结果表明，经提升小波变换提取的特征基因，送入分类器中能得到较高的分类率，且在支持向量机中选取线性核函数或径向基函数都能达到较好的分类效果．通过随机选取的2O例基因表达谱芯片样本，对所建立的模型进行了测试，获得了很好的效果，因此，本文提出的方法对肿瘤的诊断有一定的应用意义．关键词提升小波；支持向量机；核函数；交叉验证；肝癌和肺癌基因芯片2010数学分类号92B10中图分类号0242．1文献标志码A文章编号1006—6330(2014

3、)02—0218—10GenemicroarraydataclassificationandpredictionbasedonliftingwaveletLINGLing，YINa，WANGYi—fei(CollegeofSciences，ShanghaiUniversity，Shanghai200444，China)AbstractFortheproblemoftheearlydetectionofcancer，amethodoffeatureextractionbasedontheliftingwaveletiSintrodu

4、cedtoanalyzeandidentifvtumorsamples．Withthismethod，the190livercancergeneexpressionprofilessamples(includingcontrolgroup)and107lunggeneexpressionprofilessamples(includingcontrolgroup1arecalculatedbythelifingwavelet．andthelOW~equencyinfor—mationisextractedasfeatures．The

5、sefeaturesthenarelearnedbythesupportvectormachine(SVM1totrainamodelfordistinguishingthecancerandnon—cancersamples．Numericalresultsreportthat，thefeaturegeneswhichextractedbytheliftingwavelettransformcangetahighclassificationrateaftersendingintotheclassifier．Resultsalso

6、indicatethatboththelinearkernelfunctionandtheradialbasisfunctionfRBF1selectedasthekernelfunctionintheSVMcanreachanidealclassificationeffect．Themodelistestedwith20geneexpressionprofilessampleswhicharechosenatrandom．anditofersperfectperformance．Therefore．themethodpresen

7、tedinthispaperhaspracticalvalueforthediagnosisoftumors．收稿日期2012—04—30；修订日期2012—05—24基金项目国家自然科学基金资助项目(30971480)通信作者王翼飞，研究方向为生物信息学、智能化算法等．E—mail：yifei_wang@staf．shu．edu．cn第2期凌玲，等：基于提升小波的基因芯片数据的分类预测219Keywordsliftingwavelet；supportvectormachine(SVM)；kernelfunction；cross—

8、validation；livercancerandlungcancergenemicroarray2010MathematicsSubjectClassification92B10ChineseLibraryClassification0242．1