李海龙
- 作品数:4 被引量:3H指数:1
- 供职机构:哈尔滨医科大学更多>>
- 发文基金:国家自然科学基金更多>>
- 相关领域:医药卫生自动化与计算机技术生物学更多>>
- 基于bootstrap方法的贝叶斯网络结构学习算法在构建基因调控网络中的应用
- 目的:探讨基于bootstrap重抽样方法的贝叶斯网络结构学习算法构建网络的性能,并将其应用于卵巢癌基因表达谱数据分析.方法:通过模拟实验和实例验证本文给出的算法构建网络的有效性,同时将这种算法应用于构建基因调控网络.结...
- 李海龙侯艳柯朝甫李康
- 关键词:卵巢癌基因表达谱贝叶斯网络BOOTSTRAP方法
- 文献传递
- HingeBoost算法在高维数据判别分析中的应用
- 目的:探讨HingeBoost算法在二分类高维数据中分类判别的效果.方法:通过模拟试验和实际代谢组学数据分析,对HingeBoost算法、AdaBoost算法、支持向量机、随机森林四种方法进行比较,并用ROC曲线下面积、...
- 郭冰李海龙侯艳李康
- 关键词:抗噪声能力
- 文献传递
- 基于bootstrap方法的贝叶斯网络结构学习算法在构建基因调控网络中的应用被引量:3
- 2015年
- 目的探讨基于bootstrap重抽样方法的贝叶斯网络结构学习算法构建网络的性能,并将其应用于卵巢癌基因表达谱数据分析。方法通过模拟实验和实例验证本文给出的算法构建网络的有效性,同时将这种算法应用于构建基因调控网络。结果模拟实验显示,在样本量较小的情况下,基于bootstrap算法构建的贝叶斯网络明显优于普通贝叶斯方法构建的网络;实例分析结果也表明,应用本文的方法能够得到有价值的网络结构。结论应用本文给出的算法能够在样本量较少的情况下得出准确度较高的网络,同时能够给出网络结构中各条边置信度的估计值。
- 李海龙侯艳柯朝甫李康
- 关键词:贝叶斯网络BOOTSTRAP
- 基于错分代价的HingeBoost算法在高维数据判别分析中的应用
- 2015年
- 目的探讨基于错分代价的HingeBoost算法在二分类高维数据中分类判别的效果。方法通过模拟试验和实际代谢组学数据分析,对HingeBoost算法、AdaBoost算法、支持向量机、随机森林四种方法进行比较,并用ROC曲线下面积、灵敏度、特异度和错误率评价。结果模拟试验和真实代谢组数据分析显示,HingeBoost算法内部参数错分代价能影响分类结果的判别,在线性结构、同时存在大量噪声变量时分类效果优于其他三种算法。结论 HingeBoost算法将错分代价引入模型,达到减少假阳性错误或假阴性错误的目的,同时有很强的抗噪声能力,适用于高维代谢组学数据分析,值得进一步研究。
- 郭冰李海龙侯艳李康