-
题名基于粒子群优化算法的白血病基因表达样本分类研究
被引量：1
- 1
-
-
作者
刘亚杰
高莲
周杰
姚瑞晗
朱玲
王晓燕
-
机构
昆明医科大学第三附属医院(云南省肿瘤医院)
云南大学信息学院
云南农业大学信息工程学院
-
出处
《生物医学工程与临床》
CAS
2020年第1期75-80,共6页
-
基金
云南省肿瘤医院博士科研启动基金资助(BSJJ201513)。
-
文摘
目的基于分子生物学的微阵列基因表达数据和智能优化算法对白血病肿瘤样本进行分类研究。方法给出基于粒子群优化(PSO)算法用于分类模型的训练和测试,选取含7129个基因的72个白血病基因表达样本,从中选取包含50、100和200个特征基因的3组数据,在不同基因数条件下分别执行10次分类测试。建立基于K-均值算法的分类模型,在同等条件下验证PSO算法分类性能。使用准确率、精确率、召回率、F1值等机器学习指标及Boxplot和Heatmap图谱用于分析对比。结果PSO算法用于分类测试的数据分别含20例急性淋巴细胞白血病(ALL)和14例急性髓细胞白血病(AML)样本。10次分类结果的平均分类准确率均在90%左右;PSO算法的分类准确率并不稳定,10次分类测试中,准确率的平均值和最优值间存在明显差异;ALL亚型的召回率明显高于AML亚型,均接近100%,但AML亚型的精确率明显高于ALL亚型,均接近100%,F1值可比性不大。K-均值算法与PSO算法类似,分类性能随着基因数的增加而降低;K-均值算法在200基因数条件下分类结果较差,分类稳定性和准确率均出现大幅下降,且低于同等条件下PSO算法分类结果;100个基因数条件下,ALL亚型召回率为100%,高于AML亚型;AML亚型精确率为100%,高于ALL亚型;200个基因数条件下,平均值中ALL亚型召回率和F1值高于AML亚型,AML亚型精确率高于ALL亚型,其最优值的统计学指标差异不大。相同白血病肿瘤样本的不同特征基因数条件下,PSO算法可获得较高准确率的分类结果,但分类稳定性不足,整体上优于K-均值算法。结论PSO算法能够应用于白血病基因表达样本的分类研究。
-
关键词
基因表达样本分类
白血病
粒子群优化算法
K-均值算法
-
Keywords
classification of gene expression samples
leukemia
particle swarm optimization(PSO)
K-means
-
分类号
R394
[医药卫生—医学遗传学]
R733.7
[医药卫生—肿瘤]
-
-
题名基于标签传播的自适应图聚类算法
- 2
-
-
作者
李艳
-
机构
南宁师范大学计算机与信息工程学院
-
出处
《长江信息通信》
2024年第1期85-87,共3页
-
文摘
聚类算法在多种领域中发挥着统计分析数据的作用,是常见的机器学习方法之一。在针对只包含少量成对约束信息的数据时,以往的算法导致对此类先验信息利用不足。为此提出一种使用成对约束信息来提升聚类效果的算法。因为不能链接约束具有非传递性,成对约束中的隐藏信息一直未充分利用,论文将成对约束信息标签化以用来进行标签传播。此外,在只有成对约束信息时,以往的半监督聚类算法在对构造图的方法过于简单,会有离群数据影响构造图的情况。在学习图时,通过利用自适应图方法构建相似矩阵来保持数据的局部结构,并进一步利用样本自表征方法降低噪音点的影响,提升鲁棒性。最后在聚类方法上,运用拉普拉斯矩阵秩约束直接得到精确的聚类结果,避免以往谱聚类算法中会出现次优化问题。实验结果表明,通过在六个UCI数据集上的大量的实验,证明了文章提出的算法在调整兰德系数(ARI),聚类准确率(ACC)与标准化互信息(NMI)等多个指标下的聚类效果都优于其他六个经典的聚类算法。
-
关键词
机器学习
自适应图
样本自表达
成对约束
聚类
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名词袋模型在高分遥感影像地物分类中的应用研究
被引量：2
- 3
-
-
作者
王小芹
张志梅
邵烨
王常颖
张小峰
-
机构
青岛大学数据科学与软件工程学院
山东工商学院计算机科学与技术学院
-
出处
《现代电子技术》
北大核心
2020年第17期56-59,共4页
-
基金
国家自然科学基金(61873117)
国家自然科学青年基金项目(41506198)
全国统计科学研究项目(2017LY14)。
-
文摘
高分辨率遥感影像空间信息丰富,同时也给地物分类带来挑战。故提出一种基于词袋模型的地物分类方法,通过实验讨论词袋模型在这一问题中的适用性。首先在多尺度影像下随机选取场景,通过场景的底层特征聚类建立多尺度视觉词典;然后用视觉单词表达少量标记样本来训练支持向量机;最后用分类器提取典型地物。结果表明,在多尺度词袋模型表达下,研究区分类总体精度达到92.18%,Kappa系数为0.880 9。对比实验结果表明,词袋模型和多尺度词袋模型可以有效表达语义特征,从而在少量标记样本下提高分类精度。
-
关键词
高分遥感影像
词袋模型
地物分类
视觉词典
地物特征提取
样本表达
-
Keywords
high-resolution remote sensing image
BOVW
ground object classification
visual dictionary
ground object feature extraction
sample expression
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP75
[自动化与计算机技术—检测技术与自动化装置]
-
