考虑样本不平衡的模型无关的基因选择方法

• 作者: 李建中 杨昆 郭政 骆吉洲 高宏
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 基因选择 基因表达 分类 微阵列
• 年，卷（期）: 2006,（7）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 1485-1493
• 页数: 9页
• 分类号: TP391
• 字数: 7940字
• 语种: 中文

摘要

在基因表达数据分析中,鉴别基因是后续研究中非常重要的信息基因.有很多研究致力于从基因表达数据中选出信息基因这一挑战性工作,并提出了一些基因选择方法.然而,这些方法(特别是非参数选择方法)都没有考虑不同样本类别中样本大小的不平衡性问题.考虑样本不平衡性和基因选择方法的稳定性,给出一个全新的与数据分布模型无关的基因选择方法.在类内变化小和类间差别大的策略下,选择敏感的度量函数提高方法的鉴别能力,同时,利用类内变化和类间差别的一致性来增加方法的稳定性和适用性.这一方法不但可以应用于两个类别的情况,也可以应用于多个类别的情况.最后,使用两组真实的基因表达数据对所提出的方法进行了验证.实验结果表明,这一方法比其他方法具有更高的有效性和稳健性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭政		43	323	11.0	16.0
2	李建中	哈尔滨工业大学计算机科学与工程系	237	6003	33.0	72.0
3	高宏	哈尔滨工业大学计算机科学与工程系	109	1574	18.0	36.0
4	杨昆	哈尔滨工业大学计算机科学与工程系	15	73	4.0	8.0
5	骆吉洲	哈尔滨工业大学计算机科学与工程系	24	310	8.0	17.0