同類熱銷排行榜

基因表達譜數據挖掘的粒計算方法與應用

作者：孫林//徐久成|責編:王哲
出版社：科學
ISBN：9787030764539

出版日期：2023/11/01
裝幀：平裝
頁數：239

人民幣：RMB 129 元售價：元

內容大鋼

基因表達譜數據挖掘是生物信息學領域的重要研究內容之一，發展高效實用的基因表達譜數據處理技術有助於挖掘重要的腫瘤基因信息，對腫瘤的早期發現、臨床診斷與治療以及疾病預防具有非常重要的科學意義和實際價值。粒計算是當前人工智慧領域中模擬人類思維和解決複雜問題的新理論與新方法，它涵蓋了所有有關粒度的理論、方法和技術，是研究大規模複雜問題求解、大數據分析與挖掘、不確定性信息處理的有力工具。由此，如何高效地從大規模複雜高維的基因表達譜數據中迅速挖掘數據之間的潛在關係，已成為粒計算研究知識獲取技術的關鍵問題。本書介紹了基因表達譜數據挖掘的粒計算方法與應用的最新進展，內容涉及基因表達譜數據挖掘的相關技術、粒計算的相關理論、基於鄰域熵的腫瘤基因選擇方法、基於鄰域互信息的腫瘤基因選擇方法、基於監督學習和粒計算的腫瘤基因選擇方法。
本書可供生物信息學、電腦科學、人工智慧等相關專業的研究人員閱讀，也可供相關領域的工程技術人員參考。

作者介紹

孫林//徐久成|責編:王哲

前言
第1章  基因表達譜數據挖掘的相關技術
  1.1  引言
  1.2  基因表達譜數據
    1.2.1  基因表達譜數據的表示
    1.2.2  基因表達譜數據的特點
    1.2.3  基因表達譜數據的數學描述
  1.3  特徵選擇
    1.3.1  基因表達譜數據的特徵選擇
    1.3.2  基於過濾法的特徵選擇
    1.3.3  基於封裝法的特徵選擇
    1.3.4  基於嵌入法的特徵選擇
    1.3.5  搜索策略
  1.4  評價標準與指標
  1.5  小結
  參考文獻
第2章  粒計算的相關理論
  2.1  粒計算的基本概念
  2.2  粗糙集理論
  2.3  模糊集理論
  2.4  鄰域粗糙集
  2.5  粗糙模糊集
  2.6  多粒度粗糙集
  2.7  信息熵度量
  2.8  鄰域熵度量
  2.9  小結
  參考文獻
第3章  基於鄰域熵的腫瘤基因選擇方法
  3.1  基於鄰域熵不確定性度量的腫瘤基因選擇方法
    3.1.1  引言
    3.1.2  可信度與覆蓋度
    3.1.3  基於決策鄰域熵的不確定性度量
    3.1.4  啟髮式非單調特徵選擇模型
    3.1.5  基於決策鄰域熵的腫瘤基因選擇演算法
    3.1.6  實驗結果與分析
    3.1.7  小結
  3.2  基於鄰域近似決策熵的腫瘤基因數據的特徵選擇方法
    3.2.1  引言
    3.2.2  鄰域近似精度
    3.2.3  鄰域近似決策熵
    3.2.4  基於鄰域近似決策熵的特徵選擇演算法
    3.2.5  演算法計算複雜度分析
    3.2.6  實驗結果與分析
    3.2.7  小結
  3.3  基於Lebesgue測度和鄰域熵的鄰域粗糙集特徵選擇方法
    3.3.1  引言
    3.3.2  基於Lebesgue測度的不確定性度量
    3.3.3  基於鄰域熵的不確定性度量
    3.3.4  基於鄰域粗糙聯合熵的特徵選擇
    3.3.5  特徵選擇演算法

    3.3.6  實驗結果與分析
    3.3.7  小結
  3.4  基於Lebesgue測度和熵度量的不完備鄰域系統特徵選擇方法
    3.4.1  引言
    3.4.2  不完備鄰域決策系統的Lebesgue測度
    3.4.3  基於鄰域容差熵的不確定性度量
    3.4.4  基於鄰域容差依賴聯合熵的特徵選擇
    3.4.5  不完備鄰域決策系統特徵選擇演算法
    3.4.6  實驗結果與分析
    3.4.7  小結
  3.5  基於Lebesgue測度和熵度量的鄰域多粒度粗糙集特徵選擇方法
    3.5.1  引言
    3.5.2  鄰域多粒度粗糙集
    3.5.3  鄰域多粒度粗糙集中基於Lebesgue測度的不確定性度量
    3.5.4  基於鄰域多粒度熵的不確定性度量
    3.5.5  基於悲觀鄰域多粒度依賴聯合熵的特徵選擇演算法
    3.5.6  實驗結果與分析
    3.5.7  小結
  3.6  基於模糊鄰域條件熵的基因選擇方法
    3.6.1  引言
    3.6.2  模糊鄰域關係
    3.6.3  模糊鄰域粒和模糊決策
    3.6.4  模糊鄰域條件熵
    3.6.5  基於模糊鄰域條件熵的基因選擇演算法
    3.6.6  實驗結果與分析
    3.6.7  小結
  參考文獻
第4章  基於鄰域互信息的腫瘤基因選擇方法
  4.1  基於鄰域互信息和粒子群優化的腫瘤基因選擇方法
    4.1.1  引言
    4.1.2  粒子群優化
    4.1.3  鄰域互信息
    4.1.4  基於鄰域互信息的Relief演算法
    4.1.5  基於鄰域粗糙集和粒子群優化的基因選擇演算法
    4.1.6  實驗結果與分析
    4.1.7  小結
  4.2  基於鄰域互信息和自組織映射的基因選擇方法
    4.2.1  引言
    4.2.2  自組織映射
    4.2.3  獲勝神經元
    4.2.4  特徵重要性係數
    4.2.5  基於鄰域互信息和自組織映射的基因選擇演算法
    4.2.6  實驗結果與分析
    4.2.7  小結
  4.3  基於鄰域互信息和模糊C均值聚類的基因選擇方法
    4.3.1  引言
    4.3.2  模糊C均值聚類
    4.3.3  基於鄰域互信息的特徵內聚度和特徵間的鄰域耦合度
    4.3.4  FCM聚類中心初始化演算法
    4.3.5  基於鄰域互信息和模糊C均值聚類的基因選擇演算法

    4.3.6  實驗結果與分析
    4.3.7  小結
  4.4  基於鄰域條件互信息的腫瘤基因選擇方法
    4.4.1  引言
    4.4.2  鄰域條件互信息
    4.4.3  基於鄰域互信息的基因選擇
    4.4.4  基於鄰域條件互信息的基因選擇
    4.4.5  實驗結果與分析
    4.4.6  小結
  參考文獻
第5章  基於監督學習和粒計算的腫瘤基因選擇方法
  5.1  基於Fisher線性判別和鄰域依賴度的基因選擇方法
    5.1.1  引言
    5.1.2  Fisher線性判別
    5.1.3  鄰域依賴度
    5.1.4  基於FLD和鄰域依賴度的腫瘤基因選擇演算法
    5.1.5  實驗結果與分析
    5.1.6  小結
  5.2  基於信噪比與鄰域粗糙集的基因選擇方法
    5.2.1  引言
    5.2.2  信噪比
    5.2.3  信噪比值區間劃分
    5.2.4  基於信噪比與鄰域粗糙集的基因選擇演算法
    5.2.5  實驗結果與分析
    5.2.6  小結
  5.3  基於統計特性的鄰域粗糙集腫瘤基因選擇方法
    5.3.1  引言
    5.3.2  信息基因重要度
    5.3.3  基因相關性度量函數
    5.3.4  基於統計特性的鄰域粗糙集腫瘤基因選擇演算法
    5.3.5  實驗結果與分析
    5.3.6  小結
  5.4  基於信息增益與鄰域粗糙集的基因選擇方法
    5.4.1  引言
    5.4.2  斯皮爾曼秩相關係數
    5.4.3  信息增益
    5.4.4  腫瘤基因數據預處理
    5.4.5  基於信息增益和鄰域粗糙集的腫瘤基因選擇演算法
    5.4.6  實驗結果與分析
    5.4.7  小結
  5.5  基於PCA和多鄰域粗糙集的腫瘤基因選擇方法
    5.5.1  引言
    5.5.2  主成分分析
    5.5.3  主成分分析預處理
    5.5.4  多鄰域粗糙集
    5.5.5  基於主成分分析和多鄰域粗糙集的腫瘤基因選擇演算法
    5.5.6  實驗結果與分析
    5.5.7  小結
  5.6  基於logistic與相關信息熵的基因選擇方法
    5.6.1  引言

    5.6.2  logistic回歸模型與信息熵
    5.6.3  二項logistic回歸模型
    5.6.4  相關信息熵
    5.6.5  基於logistic和相關信息熵的基因選擇演算法
    5.6.6  實驗結果與分析
    5.6.7  小結
  參考文獻

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032

同類熱銷排行榜

最近瀏覽的商品

基因表達譜數據挖掘的粒計算方法與應用