学位论文 > 优秀研究生学位论文题录展示

基于互信息频度的特征选择及其在SNP关联分析中的应用

作　者: 赵剑
导　师: 张军英
学　校: 西安电子科技大学
专　业: 计算机应用技术
关键词: SNP 特征选择互信息频度
分类号: Q987
类　型: 硕士论文
年　份: 2009年
下　载: 60次
引　用: 1次
阅　读: 论文下载

内容摘要

SNP (Single-Nucleotide Polymorphism,单核苷酸多态)是一种新的遗传标记。它在人类遗传变异中非常普遍,几乎占到已知变异多态性的90%以上。对SNP研究是后基因时代生物信息学研究的重要领域之一。然而,由于SNP大量存在于人类基因组中,并且存在大量多余的及与疾病不相关的SNP,使得寻找与疾病相关的SNP成为一个难点。通常解决这类问题的办法是进行特征选择。特征选择自从上世纪70年代以来得到了长足的发展,有许多特征选择的方法可用于一般性问题。本文应用特征选择来试图找出与疾病相关的SNP。论文利用互信息作为特征选择的评价函数,提出了一种基于互信息频度的启发式搜索候选特征集的方法(枝条矩阵搜索算法),对SNP进行特征选择实验,并对算法及实验结果进行详细的分析。之后做了两组对比实验,第一组实验对ME算法和mRMR算法进行了仿真,并比较了这两种算法和本文算法的性能；第二组实验针对model内SNP之间的影响以及rnodel间SNP的影响。

全文目录

摘要  3-4
Abstract  4-5
目录  5-7
第一章绪论  7-11
  1.1 课题背景  7-9
    1.1.1 SNP介绍  7
    1.1.2 SNP研究价值  7-9
    1.1.3 SNP的特点  9
    1.1.4 SNP研究的三个阶段  9
  1.2 国内外研究现状  9-10
  1.3 本文研究内容及结构  10-11
第二章特征选择  11-21
  2.1 特征选择概念  11-13
  2.2 特征子集选择算法和评价函数  13-15
  2.3 特征选择算法分类及经典算法  15-20
  2.4 本章小结  20-21
第三章基于互信息频度的特征选择算法  21-31
  3.1 基于互信息和频度的特征选择算法的框架  21-22
  3.2 信息论与互信息  22-23
    3.2.1 信息论基本内容及发展  22
    3.2.2 互信息  22-23
  3.3 枝条矩阵搜索算法  23-26
    3.3.1 枝条矩阵搜索算法描述  23-25
    3.3.2 时间复杂度分析  25
    3.3.3 参数分析  25-26
  3.4 性能评价  26-30
    3.4.1 ROC曲线简述  26-28
    3.4.2 ROC在本文性能评价中的应用分析  28-30
  3.5 本章小结  30-31
第四章实验与结果分析  31-43
  4.1 实验数据处理与实验结果  31-34
    4.1.1 实验数据处理  31
    4.1.2 实验环境  31-32
    4.1.3 实验结果  32-34
  4.2 实验一:不同方法的比较  34-38
    4.2.1 ME方法及mRMR算法简介  34-37
    4.2.2 对比实验的实验结果  37
    4.2.3 ROC曲线性能对比  37-38
  4.3 实验二:SNP关联影响分析  38-41
    4.3.1 model内部SNP之间的影响  38-39
    4.3.2 model之间SNP的影响  39-41
  4.4 本章小结  41-43
总结与展望  43-45
致谢  45-47
参考文献  47-51
硕士期间发表的论文  51

基于互信息频度的特征选择及其在SNP关联分析中的应用

内容摘要

全文目录

相似论文