Support Vector Machine을 이용한 microarray gene expression data의 분류 = Microarray gene expression data classification using Support Vector Machine
저자
발행사항
서울 : 연세대학교 대학원, 2002
학위논문사항
학위논문(석사)-- 연세대학교 대학원: 의학전산통계학협동과정 의학통계학전공 2002. 2
발행연도
2002
작성언어
한국어
주제어
KDC
510.732 판사항(4)
발행국(도시)
서울
형태사항
v, 52p. : 삽도 ; 26 cm .
일반주기명
지도교수: 변혜란
소장기관
In the thesis, we introduce the Support Vector Machine(SVM) clas- sification from microarray data and use simulation of microarry data for kernel-function in order to evaluate SVM. The point of this thesis is to evaluate by SVM classifier using microarray data which is generated by adopting S-PLUS and R-Package./In conclusion, the simulation result has the following result./First, the increase of log ratio(Cy5/Cy3), the value of each evaluation item (sensitivity, specificity, Positive Predicted Value, Negative Predicted Value, Correct Proportion, Miss Correct Proportion) was improved. The intensity of Cy5 appeared high in microarray experiment./Second, classification was more accurate but, there was no signific- ant difference between the kernel-function and classification method. With the increase of standard deviation, the value of each evaluation item was decreased. And the classification became poorer as the noise in microarray experiment increased.
더보기본 논문에서는 microarray 자료에서 SVM(Support Vector Machine) 기법을 적용한 이원분류기법을 소개하고, 또한 모의실험을 통하여 얻은 microarray 자료를 이용하여 각 커널함수(kernel-function)에 따른 SVM에 대하여 평가하였다. 본 논문의 주 관심인 이원 분류기로서 SVM 성능을 평가하기 위해 microarray 자료를 이용하였는데, 이 microarray 자료는 통계프로그램(S-PLUS)을 이용하여 생성하였다. 또한 SVM 이원 분류기의 성능을 평가하기 위해서 Chen이 제시한 R-Package에 있는 SVM 라이브러리를 이용하였다. /결론적으로, 로그비가 높을수록 각각의 평가항목들(민감도, 특이도, 양성예측도, 음성예측도, 정분류율, 오분류율)이 더 좋게 나타났는데, 이것은 microarray 실험에서 Cy5의 강도가 높게 나타날수록 분류를 더욱 정확하게 한다는 것을 말하는 것이다. 그러나 커널함수와 분류방법에 따라서는 별 차이가 없다는 것을 알 수 있다. 또한, 표준편차가 높을수록 각각의 평가항목들이 더 낮게 나타났는데, 이것은 microarray 실험에서 오차가 높게 나타날수록 분류율이 더 낮아진다는 사실을 말하는 것이다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)