机读格式显示(MARC)

• 000 01917nam2 2200301 4500

• -01 __gzk0813884

• -09 __zyk0191963

• -98 __bm9

• -99 __tsg01

• 001 0000191939

• 005 20090918110051.5

• 010 __ |a 978-7-03-023680-7 |d CNY88.00

• 100 __ |a 20090403d2009 em y0chiy0110 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000 |2 GB2260

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a 基因表达谱数据挖掘方法研究 |A ji yin biao da pu shu ju wa jue fang fa yan jiu |f 黄德双著

• 210 __ |a 北京 |c 科学出版社 |d 2009.03

• 215 __ |a 462页 |c 图表 |d 26cm

• 330 __ |a 基因表达谱数据挖掘可以帮助人们发现新的疾病亚型，提高复杂疾病诊断的正确率。因此，发展高效实用的基因表达谱数据处理方法具有十分重要的实际意义。本书首先介绍生物信息学中基因芯片和基因表达谱等一些基本概念，然后利用Re—lief、Fisher判别、Wilcoxon和Kruskal-Wallis秩和检验方法、信噪比方法、主成分分析方法、因子分析方法、独立分量分析方法、经典粗糙集和邻域粗糙集、人工神经网络和集成神经网络、小波包变换和离散余弦变换、遗传算法和遗传规划、流形学习、张量分析等方法，系统研究了基于基因表达谱的肿瘤亚型数据挖掘方法（包括特征提取与分类识别等）。设计多种基因表达谱分类识别算法，并结合SVM、NSC、FLDA、DLDA等多种分类器及集成分类器，进行大量的基因表达谱分类识别实验，以图和表的形式给出大量实验结果，同时对各种方法的性能进行比较。系统研究基于基因调控概率的肿瘤基因表达谱数据挖掘方法，结合Filter和Wrapper两种特征选择方法的优点，研究基于支持向量机和惩罚策略(SVPS)的肿瘤关键基因选择算法。设计基于标准遗传算法和多目标遗传算法的集成基因表达谱特征选择方法。

• 333 __ |a 本书适合国内高校和科研院所生物和信息领域中从事生物信息学教学和研究的教师、高年级本科生、研究生和科技人员，对于其他与生物信息学研究有关及有志于从事这一领域研究的计算机科研人员也是必备的参考读物。

• 606 0_ |a 基因表达 |x 数据采集 |x 研究

• 690 __ |a Q753 |v 4

• 701 _0 |a 黄德双 |A huang de shuang |4 著

• 801 _0 |a CN |b 江苏新华 |c 20090918

• 905 __ |a ASTU |d Q753/5

• 915 __ |b 1002019-20 |d Q753 |e 5 |f 2