MATLAB实现确定肿瘤的重要基因信息毕业论文

最新推荐文章于 2024-10-05 09:31:57 发布

程序员小马软件开发定制

最新推荐文章于 2024-10-05 09:31:57 发布

阅读量992

点赞数 19

分类专栏：项目资源集合毕业设计集合文章标签： matlab 开发语言 KFS 模型 FSSM 信息基因基因表达谱巴氏距离

本文链接：https://blog.csdn.net/qq_43368615/article/details/139808406

版权

毕业设计集合同时被 2 个专栏收录

239 篇文章 1 订阅

订阅专栏

项目资源集合

158 篇文章 1 订阅

订阅专栏

！！！有需要的小伙伴可以通过文章末尾名片咨询我哦！！！

💕💕作者：小马
💕💕个人简介：混迹在java圈十年有余，擅长Java、微信小程序、Python、Android等，大家有这一块的问题可以一起交流！
💕💕各类成品java系统。javaweb，ssh，ssm，springboot等等项目框架，源码丰富，欢迎咨询交流。学习资料、程序开发、技术解答、代码讲解、源码部署，需要请看文末联系方式。

题目确定肿瘤的重要基因信息

摘要：

随着生物分子学的发展，人们已经发现癌症与基因之间存在密切关系。

本文通过对比基因表达谱中不同样本的表达水平的差别，区分出无关基因和信息基因，在信息基因的空间中搜索分类能力强的特征子集,然后将所有样本划分为训练集和测试集，使用支持向量机 SVM 和人工神经网络检查特征子集的分类能力。其次，再考虑噪声的定义，以及如何去除噪音，并分析噪声对特征子集分类能力的影响。最后，生成特征子集的时候需要考虑已有的医学发现，提出基于知识库的基因图谱分析模型 KFS 模型，有效利用了医学成果。

第一问，利用巴氏距离模型和理想基因模型区分无关基因和相关基因，剔除基因表达谱中无关基因，达到降维的效果。

第二问，使用 FSSM 算法在信息基因空间里寻找出候选特征子集，然后将样本划分为训练集和测试集，使用支持向量机 SVM 和人工神经网络，对 FSSM 搜索出来的特征子集的分类能力进行判定。本文得到由 5 个信息基因组成的特征子集，样本分类正确率达到 95.79%。

第三问，考虑了阈值滤波和主成分分析两种去噪模型，并阐述噪音模型在高斯过程分类器的构建中的作用，最后论述噪音能够在学习算法中防止过渡拟合从而可以孵化出泛化能力更强的分类器用于确定基因标签。

第四问，提出基于知识库的基因图谱分析模型 KFS 模型，该模型在引入信息基因知识库的基础上，对基因图谱进行去噪处理、样本评价函数增益、剔除无关基因，并采用基于知识库的 KFSSM 算法获得特征子集，最后分别采用 SVM 及 ANN 方法获取信息基因集合。本文最后对已知临床经验的结肠癌数据进行处理得到一组信息基因组合，样本分类正确率达到 94.52%。