项目名称: 代谢组学中的生物启发式高维数据特征选择方法研究

项目编号: No.61171125

项目类型: 面上项目

立项/批准年度: 2012

项目学科: 无线电电子学、电信技术

项目作者: 纪震

作者单位: 深圳大学

项目金额: 60万元

中文摘要: 代谢组学中的高维数据由于特征空间维数过高,传统优化搜索算法都很难在短时间内找到令人满意的特征子集,如何提高代谢组学的多变量数据分析性能,成为信息学专家和生物学家面临的新问题。以更加有效的高维特征选取方式,用较小的实验样本完成代谢组高维数据集的多变量分析是必然的选择。 本项目是研究基于生物启发式Memetic算法的代谢组学高维特征选择算法,将建立基于生物启发式Memetic算法的高维特征选择框架,给出适合于代谢组学高维数据特征的过滤式可分解局部搜索、自生式编码、快速特征子集评估函数的设计方法,针对代谢组学中NMR图谱数据和一维/二维质谱数据的不同性质,实现通用高效的代谢组学高维数据特征选择系统,整体提高代谢组学高维数据的多变量分析性能。 本项目将首次充分研究和利用Memetic算法高维特征选择的突出能力,将国际上代谢组学高维数据特征选择研究从传统的统计学优化拓展到生物启发式智能优化阶段。

中文关键词: 代谢组学;生物启发式计算;Memetic算法;高维特征提取;

英文摘要:

英文关键词: Metabolomics;Bio-inspired Computation;Memetic Algorithm;High-demensinoal Feature Selection;

成为VIP会员查看完整内容
0

相关内容

【ETH博士论文】贝叶斯深度学习,241页pdf
专知会员服务
125+阅读 · 2022年1月16日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
133+阅读 · 2021年9月20日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
48+阅读 · 2021年8月4日
专知会员服务
24+阅读 · 2021年4月21日
最新《图嵌入组合优化》综述论文,40页pdf
专知会员服务
34+阅读 · 2020年9月7日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
最新《图嵌入组合优化》综述论文,40页pdf
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Convex-Concave Min-Max Stackelberg Games
Arxiv
0+阅读 · 2022年4月19日
Accurate ADMET Prediction with XGBoost
Arxiv
0+阅读 · 2022年4月15日
Towards PAC Multi-Object Detection and Tracking
Arxiv
0+阅读 · 2022年4月15日
Arxiv
23+阅读 · 2018年10月1日
小贴士
相关VIP内容
【ETH博士论文】贝叶斯深度学习,241页pdf
专知会员服务
125+阅读 · 2022年1月16日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
133+阅读 · 2021年9月20日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
48+阅读 · 2021年8月4日
专知会员服务
24+阅读 · 2021年4月21日
最新《图嵌入组合优化》综述论文,40页pdf
专知会员服务
34+阅读 · 2020年9月7日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Convex-Concave Min-Max Stackelberg Games
Arxiv
0+阅读 · 2022年4月19日
Accurate ADMET Prediction with XGBoost
Arxiv
0+阅读 · 2022年4月15日
Towards PAC Multi-Object Detection and Tracking
Arxiv
0+阅读 · 2022年4月15日
Arxiv
23+阅读 · 2018年10月1日
微信扫码咨询专知VIP会员