학술논문
단백체 스펙트럼 데이터의 분류를 위한 랜덤 포리스트 기반 특성 선택 알고리즘
이용수 4
- 영문명
- Feature Selection for Classification of Mass Spectrometric Proteomic Data Using Random Forest
- 발행기관
- 한국시뮬레이션학회
- 저자명
- 온승엽 지승도 한미영
- 간행물 정보
- 『한국시뮬레이션학회 논문지』제22권 제4호, 139~147쪽, 전체 9쪽
- 주제분류
- 공학 > 기타공학
- 파일형태
- 발행일자
- 2013.12.30
4,000원
구매일시로부터 72시간 이내에 다운로드 가능합니다.
이 학술논문 정보는 (주)교보문고와 각 발행기관 사이에 저작물 이용 계약이 체결된 것으로, 교보문고를 통해 제공되고 있습니다.
국문 초록
본 논문에서는 질량 분석 방법에 의하여 산출된 단백체 데이터(mass spectrometric proteomic data)의 분류 분석(classification analysis)을 위한 새로운 특성 선택(feature selection) 방법을 제안한다. 이 방법은 i)높은 상관관계를 가지는 중복된 특성을 효과적으로 제거하는 전처리 단계와 ii)토너먼트(tournament) 전략을 사용하여 최적 특성 부분집합(optimal feature subset)을 탐색해 내는 단계로 구성되어 있다. 제안 되는 방법을 실제 암진단에 사용되는 공개된 혈액 단백체 데이터에 적용하였으며 널리 사용되는 타 방법과 비교할 때 우수한 성능과 균형된 특이도와 민감도를 달성함을 실증하였다.
영문 초록
This paper proposes a novel method for feature selection for mass spectrometric proteomic data based on Random Forest. The method includes an effective preprocessing step to filter a large amount of redundant features with high correlation and applies a tournament strategy to get an optimal feature subset. Experiments on three public datasets, Ovarian 4-3-02, Ovarian 7-8-02 and Prostate shows that the new method achieves high performance comparing with widely used methods and balanced rate of specificity and sensitivity.
목차
1. 서론
2. 관련 연구
3. 방 법
4. 실험 결과
5. 결 론
References
키워드
해당간행물 수록 논문
- 시뮬레이션을 활용한 폰카메라 렌즈모듈 부품용 사출금형개발
- 단백체 스펙트럼 데이터의 분류를 위한 랜덤 포리스트 기반 특성 선택 알고리즘
- 시뮬레이션 기반 수도권 리사이클링 센터 폐냉장고 전처리 공정 개선
- 공학급 국방 모델의 시뮬레이션 성능 향상을 위한 다중 충실도 M&S 기법 연구
- 공학-교전급 전투실험을 위한 C2 가상모의 연동 시뮬레이터 개발
- DEVS 형식론 기반의 Dynamic Reliability Block Diagram과 GPU 가속 기술을 이용한 신뢰도 분석 방법
- 해군무기체계 수중교전 모델 라이브러리 개발
- DEVS M&S 환경을 위한 에이전트 기반의 SAF 모델링 도구
- 트래픽을 고려한 창고 시스템 시뮬레이션
- 레저보트 조종시뮬레이터 개념설계에 관한 연구
- M&S 컴포넌트의 신속 개발과 재사용을 위한 프레임워크 및 도구 개발
- 상업용 게임 엔진을 활용한 전투 시뮬레이션 결과의 협업 가시화
- TCAD 툴을 이용한 제안된 얕은 트랜치 격리의 시뮬레이션
- 스마트 네트워크 환경에서의 자원 및 경로 최적화 연구
- 시뮬레이션 기반 전투실험을 위한 DEVS 통합 개발 환경
- PSO법을 응용한 확률적 시뮬레이션의 최적화 기법 연구
참고문헌
교보eBook 첫 방문을 환영 합니다!
신규가입 혜택 지급이 완료 되었습니다.
바로 사용 가능한 교보e캐시 1,000원 (유효기간 7일)
지금 바로 교보eBook의 다양한 콘텐츠를 이용해 보세요!