2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著DNA芯片技術的廣泛應用,基因表達數(shù)據(jù)分析已成為生命科學的研究熱點。DNA微陣列技術是一種研究細胞中基因表達模式的非常有效的技術。這種技術而臨的主要挑戰(zhàn)是如何分析由此產生的大量基因表達數(shù)據(jù)。最近,一種新的基因表達數(shù)據(jù)--時序基因表達數(shù)據(jù)受到了越來越多的重視。時序基因表達數(shù)據(jù)根據(jù)細胞循環(huán)過程,在不同時間點對各基因采集相關數(shù)據(jù)。目前,雖然已有多種算法可以對時序基因表達數(shù)據(jù)進行聚類分析(如k均值聚類方法、層次聚類方法,基于統(tǒng)計模型的聚類方

2、法等),但這些方法通常把時序基因表達數(shù)據(jù)看作是普通的多維空間向量,數(shù)據(jù)中時間上的自關聯(lián)信息完全被忽視,不能有效影響到聚類的最終結果。 本文研究目的是為了探索新的時序基因表達數(shù)據(jù)聚類算法,并提出了一組基于自回歸模型的動態(tài)聚類算法。文中網(wǎng)顧了當前主要的聚類分析技術以及評價聚類效果的評價算法,簡要介紹了時序基因表達數(shù)據(jù)。本論文重點是:(一)建立了一種改進的基于自回歸模型和貝葉斯后驗概率的動態(tài)聚類分析算法,闡述了應用該算法進行時序基因表

3、達數(shù)據(jù)聚類分析的原理和方法;(二)建立了一種基于自回歸模型的模糊動態(tài)聚類分析算法,闡述了應用該算法進行時序基因表達數(shù)據(jù)聚類分析的原理和方法。針對原始動態(tài)聚類分析中儀利用類條件概率密度(也稱似然度)的問題,根據(jù)貝葉斯理論,提出了改進的基于貝葉斯后驗概率的聚類算法。同時結合模糊理論,提出了模糊動態(tài)聚類分析算法,利用模糊隸屬度來調節(jié)自回歸模型的動態(tài)預測過程,克服了原始聚類算法中自回歸模型中自回歸階數(shù)p=1的局限性。本文最后還利用回歸技術對時序

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論