中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
買過本商品的人還買了
生物信息學中的機器學習分析方法 版權信息
- ISBN：9787030424723
- 條形碼：9787030424723 ; 978-7-03-042472-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
生物信息學中的機器學習分析方法 本書特色
《生物信息學中的機器學習分析方法》針對生物信息學領域中海量的生物數據，分別從微陣列數據的分析 和處理、基因調控網絡的分析和構建以及蛋白質相互作用網絡的分析等角度， 系統介紹機器學習、統計學習及各種智能算法在生物信息學相關領域的應用。 機器學習在生物信息學領域的研究重心集中在觀測和探索生物現象，以及建 立統一的形式化的模型對生物學現象加以闡釋！渡镄畔W中的機器學習分析方法》針對生物信息學領域典 型的癌癥診斷模型、基因調控網絡構建和蛋白質相互作用網絡分析3 個研究 方向展開機器學習數據挖掘方法的分析與研究，為生物信息學方向的初學者 提供了入門知識，也為相關研究人員在相關方向提供了參考信息。
生物信息學中的機器學習分析方法 內容簡介
機器學習具有從數據和經驗中獲取知識的學習能力，能夠從海量的生物數據中提取知識，在解決生物信息學的相關問題中，起著越來越重要的作用，并取得了豐碩的成果。但龐大的計算量、復雜的噪聲模式、海量的時變數據給傳統的機器學習分析帶來了巨大的困難。本書圍繞著海量的生物數據，分別從癌癥的診斷分型、基因調控網絡的重構和蛋白質相互作用網絡的分析3個角度來闡述機器學習理論、方法及其應用，共3部分13章。**部分為面向癌癥診斷分型的機器學習方法.第二部分圍繞基因調控網絡的分析與重構進行闡述。第三部分則是圍繞蛋白質相互作用網絡進行研究。為便于應用本書闡述的算法，書后附有部分機器學習算法源程序。
生物信息學中的機器學習分析方法 目錄
目 錄
前言 0 緒論 1
0.1生物信息學的概念 1
0.2生物信息學的研究內容 1
0.3微陣列分析技術 2
0.4基因調控網絡 9
0.5蛋白質相互作用網絡 11
0.6機器學習方法及應用 12
0.7本書主要內容和安排 15 參考文獻 15
第ⅰ篇 微陣列數據的分析和處理
第 1章 基于核方法的多病類 dna微陣列數據集成分類器 21
1.1核機器學習 22
1.2基分類器的選擇 24
1.3 dna微陣列數據集成分類器結構框圖 29
1.4實例研究 30
1.5本章小結 34 參考文獻 34 第 2章 基于選擇性獨立成分分析的 dna微陣列數據集成分類器 36
2.1基于重構樣本誤差的選擇性獨立成分分析 37
2.2實例研究 38
2.3本章小結 45 參考文獻 45 第 3章 基于相關性分析的癌癥診斷 47
3.1 k均值聚類 48
3.2基于特征選取的相關系數分析癌癥診斷模型 48
3.3實驗結果和分析 51
3.4本章小結 53
參考文獻 53 第 4章 基于線性回歸的 dna微陣列數據稀疏特征基因選擇 55
4.1特征選擇 56
4.2回歸分析 56
4.3仿真研究 61
4.4本章小結 64 參考文獻 65 第 5章 基于貝葉斯理論的 dna甲基化水平數據分型 66
5.1貝葉斯理論概述 67
5.2基于貝葉斯理論的 dna甲基化水平數據分型 70
5.3聚類性能評估 74
5.4仿真研究 75
5.5本章小結 81 參考文獻 81
第ⅱ篇 基因調控網絡的分析和構建
第 6章 基因表達數據缺失值處理 85
6.1三種基因表達數據缺失值估計方法 86
6.2內部規律與外部聯系結合的基因表達數據缺失值估計方法 88
6.3仿真研究 91
6.4本章小結 98 參考文獻 98 第 7章 基于角度離散化的基因調控網絡定性分析 100
7.1三種基因調控網絡定性分析方法 101
7.2基于角度離散化的基因調控網絡方法 104
7.3仿真研究 107
7.4本章小結
前言 0 緒論 1
0.1生物信息學的概念 1
0.2生物信息學的研究內容 1
0.3微陣列分析技術 2
0.4基因調控網絡 9
0.5蛋白質相互作用網絡 11
0.6機器學習方法及應用 12
0.7本書主要內容和安排 15 參考文獻 15
第ⅰ篇 微陣列數據的分析和處理
第 1章 基于核方法的多病類 dna微陣列數據集成分類器 21
1.1核機器學習 22
1.2基分類器的選擇 24
1.3 dna微陣列數據集成分類器結構框圖 29
1.4實例研究 30
1.5本章小結 34 參考文獻 34 第 2章 基于選擇性獨立成分分析的 dna微陣列數據集成分類器 36
2.1基于重構樣本誤差的選擇性獨立成分分析 37
2.2實例研究 38
2.3本章小結 45 參考文獻 45 第 3章 基于相關性分析的癌癥診斷 47
3.1 k均值聚類 48
3.2基于特征選取的相關系數分析癌癥診斷模型 48
3.3實驗結果和分析 51
3.4本章小結 53
參考文獻 53 第 4章 基于線性回歸的 dna微陣列數據稀疏特征基因選擇 55
4.1特征選擇 56
4.2回歸分析 56
4.3仿真研究 61
4.4本章小結 64 參考文獻 65 第 5章 基于貝葉斯理論的 dna甲基化水平數據分型 66
5.1貝葉斯理論概述 67
5.2基于貝葉斯理論的 dna甲基化水平數據分型 70
5.3聚類性能評估 74
5.4仿真研究 75
5.5本章小結 81 參考文獻 81
第ⅱ篇 基因調控網絡的分析和構建
第 6章 基因表達數據缺失值處理 85
6.1三種基因表達數據缺失值估計方法 86
6.2內部規律與外部聯系結合的基因表達數據缺失值估計方法 88
6.3仿真研究 91
6.4本章小結 98 參考文獻 98 第 7章 基于角度離散化的基因調控網絡定性分析 100
7.1三種基因調控網絡定性分析方法 101
7.2基于角度離散化的基因調控網絡方法 104
7.3仿真研究 107
7.4本章小結
展開全部
書友推薦
- >
煙與鏡
- >
李白與唐代文化
- >
詩經-先民的歌唱
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
朝聞道
- >
有舍有得是人生
- >
月亮與六便士
- >
姑媽的寶刀
本類暢銷
