基于小波包-FastICA在阿尔茨海默症中的应用及其生物学分析

阿尔茨海默症(Alzheimer’s disease,AD)基因表达谱数据具有高维性、高噪声、高冗余性等特点,使得AD特异性基因的搜索空间巨大,搜索算法时间长,降低了算法的挖掘性能及其生物学分析。因此对其基因表达谱数据进行去噪和降维预处理是十分必要的。文中首先利用小波包变换-SAM方法对数据进行降维去噪,实验结果证明了小波包方法能较好地提取基因表达谱有用信息;然后应用快速独立成分分析(FastICA)算法对预处理后的数据进行矩阵分解分析,并根据独立分量选取特异性基因。在此基础上的样本分类实验表明,FastICA提取的特异性基因具有较高的显著性,能够提高样本的分类结果。同时,通过所提取特异性基因的富集性分析,文中给出了这些基因在阿尔茨海默症数据集中聚类情况及其基因表达情况,为AD的生物学及医学病理分析提供有利的依据。     

基于基因表达谱的肿瘤预测模型研究

 本文从肿瘤基因表达谱分析入手,研究并选取胃癌相关标志基因集合,以此集合为基础抽取甄别肿瘤与正常组织的基因分类规则集,进而建立起肿瘤预测模型.首先,以支持向量机为分类器用特征基因集合的样本识别率为适应度函数,采用遗传算法对特征基因进行筛选.然后用决策树抽取特征基因的规则集,结合肿瘤分子生物学文献和生物实验建立肿瘤预测模型.最后通过对胃癌基因表达谱数据的分析,建立了胃癌预测模型,结果表明该模型对胃癌分子生物学实验和临床诊断具有一定的指导意义和参考价值.     

一种肿瘤基因表达数据的知识提取方法

本文以多发性骨髓瘤的基因表达数据为例,利用数据挖掘技术,提出了一种针对基因表达数据进行知识发现的方法.该方法通过计算基因的信息增益,结合神经网络,找出了特征基因集合,最后利用决策树进行特征规则的提取,给出了基于多发性骨髓瘤数据样本的产生式规则,为生物医学研究提供了一种分析和研究基因表达数据的参考方法.实验结果表明了该方法的有效性.     

基于加权高阶奇异值分解的支持张量机图像分类

为了有效提高图像分类的准确率,充分利用图像本身的结构信息并压缩图像数据,首先构造三阶图像特征张量,利用非负矩阵分解(NMF)在张量子空间降维,提出了一种基于二维主成分分析(2DPCA)来得到NMF初始点的方法,保证了图像信息的有效利用.然后,为了保持降维后的张量子空间所在的流形空间的本征结构,根据图像类标构造权值矩阵,并把图像集合构造成四阶张量实现图像的分类.通过对两个图像数据库的实验,表明该方法能有效提升图像分类的准确率.     

一种基于逐点阈值分割的图像边缘检测方法

提出一种对图像中每个点逐一取阈值进行分类的一种新的阈值分割算法.该算法利用图像中像素邻域的灰度值均值统计信息作为该点阈值设置的标准,并引入该点邻域内像素灰度值方差作为附加判断条件,使提取出来的日标点是图像的边缘点.事实上该阈值分割算法起到了边缘提取的效果.实验证明,本文算法起到了良好的边缘检测效果,并且验证了本算法对于以邻域统计信息作为阈值估计标准的合理性.     

基于MST的基因数据社团挖掘算法

使用机器学习方法来分析生物信息学中一些复杂的基因表达数据是目前重要的研究领域之一.使用社团挖掘的方法对基因表达数据进行分类,社团内由类似的基因数据组成,研究和分析每个社团的结构和功能以及社团之间的关系,这对深刻认识诸多生物过程的本质有重要意义.将最小生成树的概念引入生物信息学中基因表达数据的社团挖掘分析中,设计了最小生成树来表示基因表达数据和基于此的社团挖掘算法,针对该算法提出一些目标函数,来判别基因表达数据社团挖掘算法的性能.最后,通过实验验证了该算法对于一些目标函数能够产生最优的社团划分,并且社团挖掘算法的性能良好.     

主动学习高光谱图像分类算法GPU并行计算优化

本文利用高光谱图像的空间-光谱维信息,结合主动学习算法实现高光谱图像分类。该算法利用较少的训练样本获得较高的分类精度,与此同时,该算法的运算过程复杂度高且计算效率非常低。针对这一特点,本文提出了一种利用图像处理器(Graphic processing units,GPUs)对算法进行数据级并行计算优化。并且利用真实场景的高光谱图像对文中提出的并行计算优化方案进行了实验验证,结果表明该方法在保证与串行分类精度一致的情况下,其计算加速比达到34倍左右,验证了基于GPU的高光谱图像分类算法的有效性。     

基于微阵列基因表达谱的一种 关联空间的癌症分类算法

利用微阵列基因表达谱分类癌症患者样本对患者的治疗具有非常重要的意义.针对高维、高冗余的微阵列基因数据中致癌因子存在局部相关性的特点,提出一种基于权重的关联空间分类模型(Weight based Classification with Related Space,WCRS).基本思想是首先利用协方差矩阵的对角化来构建癌症组的关联空间,并提出一种基于癌症关联空间的基因表达模式,然后提取使得癌症组具有最小组能量的最小扩展空间,最后在最小扩展空间上建立一种基于权重的癌症分类算法.实验结果表明,WCRS在精确度上比传统分类算法具有更好的性能.     

融合强阈值三角网与总体最小二乘曲面拟合滤波

机载LiDAR点云数据滤波是LiDAR数据后处理过程中的关键步骤。在分析三角网滤波与曲面拟合滤波特点的基础上,提出了一种由粗到精的处理思想用于LiDAR点云数据滤波。该方法通过强阈值三角网算法进行II类误差优先的粗分类,获取可靠性较高的初始地面点,以粗分类结果作为先验信息进行种子点选取,引入总体最小二乘算法完成曲面拟合,设置自适应阈值实现不同区域灵活处理,最终得到较为精细的地面模型。使用ISPRS测区数据及Niagara数据进行实验,与经典滤波算法及传统曲面拟合方法进行对比,实验结果证明,该方法较传统算法能够得到更加可靠的滤波结果,对各种地形的适应性较强,具备较高的实用价值。     

癌症基因表达数据的集成分类器设计与分析

基因表达水平对癌症诊断起到重要的作用。文章提出了一种基于SVM(Support Vector Machine)的集成分类算法,从基因表达水平的微阵列数据中对癌症和正常群体进行分类。文章提出了一种结合Adaboost算法和递归特征消除(Recursive Feature Elimination,RFE)算法,选取最显著的特征并设计与之适合的分类器。该方法已应用于癌症病人的基因表达微阵列数据的分类中,其分类结果在成功率方面有极大的提升。     

基于非负矩阵分解的高光谱遥感图像混合像元分解

传统非负矩阵分解算法的目标函数具有大量的局部极小,在进行高光谱图像的光谱解混时,受初始值的影响很大.为解决该问题,作者通过在目标函数中引入丰度分离性和平滑性的约束条件,提出一种基于有约束非负矩阵分解的混合像元分解方法.同时该算法能够满足混合像元分解问题所要求的丰度值非负以及和为一的约束.模拟和实际数据实验结果表明,所提...     

An evolutionary approach for gene expression patterns

This study presents an evolutionary algorithm, called a heterogeneous selection genetic algorithm (HeSGA), for analyzing the patterns of gene expression on microarray data. Microarray technologies have provided the means to monitor the expression levels of a large number of genes simultaneously. Gene clustering and gene ordering are important in analyzing a large body of microarray expression data. The proposed method simultaneously solves gene clustering and gene-ordering problems by integrating global and local search mechanisms. Clustering and ordering information is used to identify functionally related genes and to infer genetic networks from immense microarray expression data. HeSGA was tested on eight test microarray datasets, ranging in size from 147 to 6221 genes. The experimental clustering and visual results indicate that HeSGA not only ordered genes smoothly but also grouped genes with similar gene expressions. Visualized results and a new scoring function that references predefined functional categories were employed to confirm the biological interpretations of results yielded using HeSGA and other methods. These results indicate that HeSGA has potential in analyzing gene expression patterns.     

改进非负矩阵分解的神经网络人脸识别

为了提高人脸识别正确率,提出基于改进非负矩阵分解的神经网络人脸识别算法。首先利用改进的非负矩阵分解对人脸图像进行特征提取,提高非负矩阵分解速度。接着将提取出的特征信息作为神经网络学习入口进行特征训练,由于神经网络在学习过程中,容易出现局部最小值且收敛速度慢等问题,为此采用改进的遗传算法对神经网络进行优化处理,获得最终的人脸识别结果。实验结果表明:利用改进的非负矩阵分解方法能够降低神经网络的分类训练负荷量和运算量,提高人脸识别识别率。通过和各种方法比较可知,本方法的人脸识别率都较高。本方法人脸特征分解速度快,提高了神经网络训练前期精度和收敛速度,使得人脸识别正确率高。当特征向量个数达到40以上时,人脸识别正确率保持95%以上。     

基于基因表达式编码算法的红外图像轮廓提取

针对红外图像轮廓特征信息提取的特点,提出基因表达式编码算法。首先建立基因表达式编码规则,求出最大的基因编码空间以及基因编码个数;接着把红外图像像素集合与染色体基因序列构建映射关系,不同的基因编码则代表不同的像素值,适应度函数大的基因参与数据优化,最后给出了红外图像轮廓特征信息提取评价函数以及算法过程。实验仿真得出基因表达式编码提取的红外图像轮廓没有伪吉斯效应,时效性快,边缘点保持指数接近理想状态。     

时间序列信号的多尺度关联规则挖掘

目的：探讨基因时间序列信号的多尺度关联规则。方法：将基因时间序列信号进行小波多尺度分解,在单一尺度上建立隶属关系,然后挖掘其总体关联网络。结果：应用新的多尺度关联规则,对小脑组织的一组基因芯片时间序列信号进行分析,其结果与生物学意义接近。结论：此多尺度关联规则,是调控网络建立的一种全新有效方法。     

基于稀疏性非负矩阵分解的偏振图像快速融合方法

针对基于非负矩阵分解(non-negative matrix factorization, NMF)的偏振图像融合方法效率低的不足,提出一种基于稀疏性NMF的偏振图像快速融合方法。首先,以偏振信息解析得到的各偏振参量图像构造原始数据集,其次,对NMF增加稀疏性约束,利用稀疏表示下的在线字典学习算法进行快速分解,然后对分解得到的三幅特征基图像按清晰度和方差进行排序,将排序后的特征基图像经直方图匹配及HSI颜色映射后,变换到RGB颜色空间,得到融合图像。与基于NMF的方法相比,运行时间提高约120倍,达到约1.5 s完成一次融合过程。实验结果验证了该方法在改善融合效果的同时,运行效率明显提高。     

Algorithmic fusion of gene expression profiling for diffuse large B-cell lymphoma outcome prediction

Many different methods and techniques have been investigated for the processing and analysis of microarray gene expression profiling datasets. It is noted that the accuracy and reliability of the results are often dependent on the measurement approaches applied, and no single measurement so far is guaranteed to generate a satisfactory result. In this paper, an algorithmic fusion approach is presented for extracting genes that are predictive to clinical outcomes (survival-fatal) of diffuse large B-cell lymphoma on a set of microarray data for gene expression profiling. The approach integrates a set of measurements from different aspects in terms of the discrepancy indications and merit expectations of the gene expression patterns with respect to the clinical outcomes. A combination of statistical and non-statistical criteria, continuous and discrete parameterizations, as well as model-based and modeless evaluations is applied in the approach. By integrating these measurements, a set of genes that are indicative to the clinical outcomes are better captured from the gene expression profiling dataset.     

Inferring Nonstationary Gene Networks from Longitudinal Gene Expression Microarrays

Inferring gene networks from longitudinal gene expression microarrays is a crucial step towards the study of gene regulatory mechanisms. A decade ago, expensive microarray technology restricted the number of samples undergoing gene expression profiling in single studies, leading the inference algorithms that assume stationary gene networks to the best solution. Thanks to decreasing cost of modern microarray technologies, more gene expression profiles can be assessed in single studies. With more samples available, we can relax the stationarity assumption and develop a method to infer dynamic gene networks, which can reflect more realistic biology where genes adaptively orchestrate each other. This paper applied the framework of dynamic Bayesian networks to infer adaptive gene interactions by identifying individual transition networks between pairs of consecutive times. Due to high computational burden of inferring the interconnection patterns among all genes over time, we designed a parallelizable inference algorithm to make feasible the task. We validated our approach by two clinical studies: yellow fever vaccination and mechanical periodontal therapy. The inferred dynamic networks achieved more than 90% predictive accuracy, a significant improvement when compared to stationary models (p?<?0.05). The adaptive models can help explain the induction of innate immunology in greater details after yellow fever vaccination and interpret the anti-inflammatory effect of mechanical periodontal therapy.     

基于非负矩阵分解的图像脆弱水印算法

提出一种基于非负矩阵分解NMF(Non-negative Matrix Factorization)的脆弱数字水印算法。算法利用用户密钥构造NMF基矩阵,并在图像NMF分解过程中保持不变,二值水印图像嵌入NMF分解系数矩阵。实验结果本算法具有较强的鲁棒性,同时用户密钥保证的算法的脆弱性。