4
李钧涛——河南师范大学
基于自适应稀疏群lasso的生物信息挖掘
嘉宾介绍
李钧涛现为中国人工智能学会智能空天系统专业委员会委员，中国自动化学会数据驱动控制、学习与优化专业委员会委员, 长期从事统计学习、数据挖掘等方面的研究。近年来主持、参与国家级、省部级重点等项目16项，发表学术论文40余篇，其中SCI, EI检索论文36篇。先后获得“河南高校科技创新人才”、“河南省高校青年骨干教师”等称号。
报告摘要
针对群lasso惩罚类统计学习方法处理二分类高维生物数据面临的提前变量分群, 自适应的群内变量选择, 生物可解释性等难题, 致力于开展基于网络分析的变量分群策略和新型自适应惩罚机制研究, 据此提出了融合网络分析和信息学理论方法的自适应稀疏群lasso. 首先, 将网络分析中的网络模块识别与群lasso中的变量分群有机联系起来, 利用加权基因共表达网络分析方法辨识出具有良好生物交互关系的模块. 其次, 利用条件交互信息等信息论方法在每一个被划分的群内构建变量重要性的评价准则, 据此构造具有生物可解释性的权重系数并将其添加到惩罚项的合适位置来自适应地进行变量选择. 最后, 借助于wgcna和sgl等R工具包，在四种高维癌症生物数据上验证了所提的自适应稀疏学习机能够有效地进行分类和群体基因选择。
5