基因表达微阵列数据分类的多目标启发式算法
#引用
##LaTex
@article{LV201613,
title = “A multi-objective heuristic algorithm for gene expression microarray data classification”,
journal = “Expert Systems with Applications”,
volume = “59”,
pages = “13 - 19”,
year = “2016”,
issn = “0957-4174”,
doi = “https://doi.org/10.1016/j.eswa.2016.04.020”,
url = “http://www.sciencedirect.com/science/article/pii/S0957417416301865”,
author = “Jia Lv and Qinke Peng and Xiao Chen and Zhi Sun”,
keywords = “Microarray, Gene selection, Small number of selected genes, Multi-objective, Heuristic algorithm”
}
##Normal
Jia Lv, Qinke Peng, Xiao Chen, Zhi Sun,
A multi-objective heuristic algorithm for gene expression microarray data classification,
Expert Systems with Applications,
Volume 59,
2016,
Pages 13-19,
ISSN 0957-4174,
https://doi.org/10.1016/j.eswa.2016.04.020.
(http://www.sciencedirect.com/science/article/pii/S0957417416301865)
Keywords: Microarray; Gene selection; Small number of selected genes; Multi-objective; Heuristic algorithm
#摘要
Microarray data 微阵列数据
analytic hierarchy process (AHP)
Univariate Marginal Distribution Algorithm
the fewer the selected genes are, the less cost the disease prognosis expert system is.
#主要内容
##1 特征预选择
a filter-based gene ranking algorithm — mRMR:
特征与类之间的相关性(max-relevance 最大相关)
特征之间的冗余度(min-redundancy 最小冗余)
单个特征的性能
为防止丢失在组中表现好的特征,选300个特征
##2 多目标模型
##3 MOEDA
多目标the estimation of distribution algorithm (EDA) — MOEDA
elite individuals ( EIs )
regenerated individuals ( RIs )
probabilistic model:
classification accuracy (ACC)
the number of selected features (NSF)
Higher and fewer rule. (HFR)
ACC绝对比NSF重要
- 根据ACC对个体排序
- 对于相同ACC,根据NSF排序
Forcibly decrease rule. (FDR)
随着演化的进行,计算NSF的上限 —ULlUL^lULl(逐渐降低)
NLl=q2⌊lw⌋NL^l = \frac{q}{2^{\left\lfloor\frac{l}{w}\right\rfloor}}NLl=2⌊wl⌋q
lll — 代数
qqq — 预选择的特征数目
www — 常数
每个特征对应一个选择概率
mutation rules — 防止落入局部最优
the elite reserved strategy — 防止最优个体丢失
SVM + the radial basis function (RBF)
SVM-RBF
参数:ccc与γ\gammaγ
同时优化参数与特征
参数计算
p∈{c,γ}p \in \left\{ c, \gamma \right\}p∈{c,γ}
maxp\max_pmaxp — 参数最大值
minp\min_pminp — 参数最小值
ddd — 二进制字符串的十进制值
lpl_plp — 二进制字符串的长度
lc=lγ=25l_c = l_\gamma = 25lc=lγ=25
maxc=256\max_c = 256maxc=256
maxγ=16\max_\gamma = 16maxγ=16
#4 试验
10-fold cross validation
‘the N best features are always not the best N features’.
基因表达微阵列数据分类的多目标启发式算法相关推荐
- KNN算法虹膜图片识别(源码)
人工智能AI与大数据技术实战 公众号: weic2c 目录 1 K-近邻算法(KNN, k-NearestNeighbor) 2 K-近邻算法详述 3 K-近邻算法图片识别分类 4 参考文献 1 K ...
- PNAS:整合抑郁症的分子、细胞和皮层神经影像特征
摘要 抑郁症产生于生物系统的复杂相互作用,跨越基因和分子到细胞.脑网络和行为.为了确定不同的神经生物学过程是如何联合起来导致抑郁症的,我们需要一种多尺度的方法,包括对大脑结构和功能的测量,以及遗传和细 ...
- 论文分析与讲解思路(2)--PGCN
题目: PGCN:Disease gene prioritization by disease and gene embedding through graph convolutional neura ...
- 主流深度学习算法简介
** 深度学习算法简介** 1. 深度学习主流算法包括: 1.1 CNN (卷积神经网络) 卷积神经网络(CNN)是最常见的深度学习方法之 一.自20 世纪80 年代后期以来,CNN 已应用于视觉识别 ...
- Plant J:细菌挥发性物质和光合信号激活低铁响应途径
欢迎点击上方蓝色「宏基因组」关注我们! 本文是荷兰乌特勒支大学Corne M.J. Pieterse教授实验室文章,Pieterse教授主要研究方向为植物微生物互作,其Google Scholar统计 ...
- PJ:细菌挥发性物质和光合信号激活低铁响应途径
本文是荷兰乌特勒支大学Corne M.J. Pieterse教授实验室文章,Pieterse教授主要研究方向为植物微生物互作,其Google Scholar统计引用26703次(截止170823). ...
- 基因疾病关联的图卷积神经网络
基因疾病关联的图卷积神经网络 本文要介绍的是沙特阿卜杜拉国家科技大学高兴副教授课题组发表的一篇关于图卷积神经网络的基因疾病关联预测的论文.对候选基因排序对于遗传疾病基于基因的诊断是至关重要的.然而,由 ...
- MCE | 间歇性禁食增强抗癌疗效
越来越多的研究表明,"禁食"不仅与免疫系统调控 .血糖调节有关,还对多种疾病的治疗有改善效果,如心血管疾病和癌症等. 这里的"禁食"与节食不同,一般指的是间歇性 ...
- miRNA的特征、功能及识别方法等详解
什么是miRNA MicroRNAs (miRNAs)是一种大小约21-23个碱基的单链小分子RNA,是由具有发夹结构的约70-90个碱基大小的单链RNA前体经过Dicer酶加工后生成,不同于s ...
最新文章
- 电感和磁珠的区别及应用场合和作用
- 启动与关闭WebService
- 雷观(十五):提高生产力和程序员价值的2种方法
- python可视化界面工具_8个流行的 Python可视化工具包,你喜欢哪个?
- Apache负载均衡设置方法: mod_proxy
- 禁用Microsoft Compatibility Telemetry
- mysql 数据传输 定时,MySQL数据库定时备份的实现方法
- C# NTP时间同步类
- leetcode —— 238. 除自身以外数组的乘积
- BZOJ - 2783 树
- h5+vue+php仿微信源码-泡泡IM
- 合肥工业大学机器人技术期末_机器人技术试题及答案.doc
- 【opencv450-samples】digits_svm 手写数字识别SVM vs KNearest (SVM and KNearest digit recognition)
- python 判断素数
- AHU 数据结构 最短路径 安大地图版本
- Win10系统下如何修改电脑名称?windows10更改电脑名称的方法
- 2021-03-22 unI-app 前端直播推流实现
- 计算机软件系统的组成
- Jenkins 凭据密码忘记获取凭据密码
- 看微软IE7.0更新的一家之言(转)
热门文章
- 我为什么没有成为华为元老,谈精准学习,避免低水平勤奋
- 项目实战:Qt+Android模拟操作器(模拟操作app,打开,点击,输入,获取验证码等等)
- 软件安全与脆弱性分析-对于freenote小程序的Poc分析
- 云计算/大数据/Hadoop2.0/MongoDB/数据挖掘分析/视频教程
- java date 设置时区,Java 日期时区
- Java实现xml文件的xsd校验(schema校验)
- 【阅读心得】Python编程无师自通——专业程序员的养成
- 好记性不如烂笔头-linux学习笔记4apache相关知识
- 电路设计基础--光耦接口电路的设计和参数选取--高速光耦TLP109
- IRremoteESP8266库 红外控制空调方法