SVM을 이용한 microarray gene expression 자료의 multiclass classification = Classification of multiclass microarray gene expression data using SVM
저자
발행사항
서울 : 연세대학교 대학원, 2002
학위논문사항
학위논문(석사)-- 연세대학교 대학원: 의학전산통계협동과정 의학통계학전공 2002. 8
발행연도
2002
작성언어
한국어
주제어
KDC
510.732 판사항(4)
발행국(도시)
서울
형태사항
v, 62p. : 삽도 ; 26 cm.
일반주기명
지도교수: 변혜란
소장기관
본 논문에서는 Multiclass Microarray Gene Expression 자료를 분석하기 위하여 최근 생물공학(Bioinformatics)에서 대두되고 있는 Support Vector machine(SVM)을 소개하고, 또한 모의 실험을 통하여 얻은 Microarray gene expression 자료의 분류분석을 시행하였다. SVM을 사용하여 얻은 모형의 평가와 평가를 위한 microarray 자료의 생성은 Chen이 제시한 R-Package에 있는 SVM 라이브러리를 이용하였다.
모의 실험자료를 이용하여 평가항목(True Positive, True Negative, False Positive, False Negative, Correct Proportion, Miss Correct Proportion)에 대하여 평가한 결과 분류 기법(c-classification, ν-classification)에 따라 별 차이가 없었으며, 모든 모형에서 좋은 분류능력을 나타내었다. 또한 각 모형별 편차가 작을수록, 그룹별 차이가 클수록 더 좋은 분류능력을 나타내었다. 즉, 환자군에서의 Cy5의 강도가 높을수록, Cy5의 강도이 차이가 클수록 더 정확한 분류를 해냈고, 그리고 각 그룹에서의 microarray 실험오차(noise)가 적을수록 더 정확한 분류를 해냈다.
In the thesis, we introduce the Support Vector Machine(SVM) that lately being raised in Bioinformatics and carrying out classification analysis using simulation of multiclass microarray gene expression data for classification method in order to evaluate the model obtained by SVM. For the microarray simulation data and evaluation of SVM model using SVM-library in R-Package.
In conclusion, the value of each evaluation item(True Positive, True Negative, False Positive, False Negative, Correct Proportion, Miss Correct Proportion) was no significant difference between the classification method(c-classification, ν-classification). With the decreasing of standard deviation and with the increasing of log ratio, the value of evaluation item was improved. In other words, with the increasing of intensity of Cy5, the value of evaluation item was improved. And the value of evaluation item became improved as the microarray experiment error(noise) decreased.
분석정보
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)