基于帕累托最优的多目标SNP选择
#引用
##LaTex
@article{GUMUS201323,
title = “Multi objective SNP selection using pareto optimality”,
journal = “Computational Biology and Chemistry”,
volume = “43”,
pages = “23 - 28”,
year = “2013”,
issn = “1476-9271”,
doi = “https://doi.org/10.1016/j.compbiolchem.2012.12.006”,
url = “http://www.sciencedirect.com/science/article/pii/S1476927112001156”,
author = “Ergun Gumus and Zeliha Gormez and Olcay Kursun”,
keywords = “Feature selection, Principal component analysis (PCA), Mutual information (MI), Genomic鈥揼eographical distance, Human Genome Diversity Project SNP dataset”
}
##Normal
Ergun Gumus, Zeliha Gormez, Olcay Kursun,
Multi objective SNP selection using pareto optimality,
Computational Biology and Chemistry,
Volume 43,
2013,
Pages 23-28,
ISSN 1476-9271,
https://doi.org/10.1016/j.compbiolchem.2012.12.006.
(http://www.sciencedirect.com/science/article/pii/S1476927112001156)
Keywords: Feature selection; Principal component analysis (PCA); Mutual information (MI); Genomic–geographical distance; Human Genome Diversity Project SNP dataset
#摘要
Biomarker discovery 生物标志物发现
SNP — single nucleotide polymorphism 单核苷酸多态性
传统单目标 — 最大化分类准确度
1 高分类准确度
2 种族群体遗传多样性与地理距离的相关性
#主要内容
数据集:
Human Genome Diversity Project (HGDP) SNP 数据集
1064个个体
52个族群
原始数据:
1043个个体
每个个体 — 660,918 SNPs(163来自线粒体DNA,排除)— 用660,755
每个SNP — 2个等位基因 — 编码表示为:{−1,0,1}\left\{ -1, 0, 1 \right\}{−1,0,1}
目标一:
高分类准确度 — mutual information MI 互信息
HHH — 随机变量的熵
目标二:
基因组地理相关性 — principal components analysis PCA
由于维度较高 — 对PCA使用了“维度戏法”
CCC — D×DD\times DD×D维协方差矩阵
YYY — N×DN \times DN×D为中心数据矩阵,N≪DN \ll DN≪D
kik_iki — 特征向量iii
两边同乘YYY
vi=Ykiv_i = Yk_ivi=Yki — 协方差矩阵YYTYY^TYYT的第iii个特征向量
两边同乘YTY^TYT
可得:
基于帕累托最优的多目标SNP选择相关推荐
- “囚徒困境”与帕累托最优理论以及基于OpenAI的辅助--测试(3)
"囚徒困境"与帕累托最优理论 1. "囚徒困境"的定义与理论起源 1.1 基本定义和起源 1.2 重复多次的"囚徒困境" 2. " ...
- 使用帕累托最优选择解释涌现现象
在涌现现象中,许多简单的元素之间的相互作用和协调会导致一些新的.不可预测的现象或特性的出现.这些现象或特性可能涉及多个目标,例如学习速度.准确性.鲁棒性等等.在这种情况下,我们可以使用帕累托最优选择来 ...
- 帕累托改进和帕累托最优、卡尔多-希克斯改进
根据目标个数,分为单目标规划,以及多目标规划.多目标的规划是去找折中的解集合,既pareto最优解集合.对优化目标超过3个以上的,称之为超多目标优化问题. 帕累托改进描述的就是在没有人变得不好的前提下 ...
- 纳什均衡和帕累托最优
在研究非合作博弈中,最为常用的一个评价指标为纳什均衡(Nash equilibrium).通过纳什均衡可以较好的反应出参与博弈的各个个体的决策和博弈结果.根据纳什均衡的定义可知,采用可以满足纳什均衡的 ...
- 帕累托最优(Pareto Optimality)和纳什均衡(Nash Equilibrium)之间的关系
先说两个基本概念.概念的定义在wiki上都能找到,我在这里会再穿插一些关于概念的点评. 概念 帕累托最优,是对资源配置的一种评价.若某资源配置下,存在一种调整可以使得所有人的境况都不变差的前提下,有至 ...
- 讲讲什么是帕累托最优
总第209篇/张俊红 今天这篇来给大家讲讲什么是帕累托最优,帕累托最优(Pareto Optimality),也称为帕累托效率(Pareto efficiency),是资源分配中的一个概念,最优表示资 ...
- 多目标优化之帕累托最优
帕累托最优 维基百科:帕累托最优是指资源分配的一种理想状态.给定固有的一群人和可分配的资源,如果从一种分配状态到另一种状态的变化中,在没有使任何人境况变坏的前提下,使得至少一个人变得更好,这就是帕累托 ...
- 质量小议24 -- 帕累托最优
资源分配的一种理想状态 一种分配状态到另一种状态的变化中,任何人境况没有变坏,其中至少一人境况变的更好 充分利用有限的人力.物力.财力, 优化资源配置 以最小的成本创造最大的效率和效益 "无 ...
- 纳什均衡与帕累托最优
1. 囚徒困境(非零和博弈) 考虑一个囚徒困境的例子,来解释非零和博弈下出现的稳态: 纳什均衡:是指一种状态,这种状态是多个参与者在特定策略组下实现的稳定状态,此状态特点是:在该策略组下,任何人单独改 ...
- 分布式能源接入分析matlab 通过分布式能源的选址定容确定得到帕累托最优解集
分布式能源接入分析matlab 通过分布式能源的选址定容确定得到帕累托最优解集,然后选择最优值进行分析,模型为双层模型,程序采用改进粒子群算法 _:89180639056410504快乐程序人
最新文章
- SQL操作类详细注释版
- 霍金:AI或许能根除疾病和贫穷,但也可能摧毁人类 | GMIC 2017
- R-3.1.1 编译安装
- 深入JVM——OOM异常解析
- apiCloud中Frame框的操作,显示与隐藏Frame
- 逆序对java_逆序对
- 基于Java+SpringBoot+vue+elementui的校园文具商城系统详细设计和实现
- python开发直播网站_开发直播网站源码的三种计算机语言
- Android java时间戳转年月日时分秒
- 如何将jar包加入到Maven本地仓库
- python 的for与while 的i改变
- 板绘萌新拿到数位板之后,不知道先做什么?这些板绘学习小技巧必须要知道
- 德国IT行业薪酬水平大揭秘--2020
- 小卡,功能强大– M.2格式的工业通讯
- 推荐三款好用的终端开发平台
- python如何提交作业_python分析作业提交情况
- 经典光流估计算法和光流对齐方法
- 用python批量下载网络图片_使用python批量下载图片吗?怎么做?
- HDU 2544 最短路(最短路入门)
- C# 开发企业内部微应用接入钉钉获取用户信息