一种改进的基因表达数据分类方法

• 作者: 林亚平 沈小乔 蒋林波 蔡立军
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 基因表达数据分类 SVM KNN 特征选择
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 计算机科学
• 页码范围: 79-82
• 页数: 4页
• 分类号: TP3
• 语种: 中文
• DOI: 10.3321/j.issn:1000-2472.2007.03.020

摘要

从分类算法和特征基因选择两个方面研究基因表达数据的分类,将传统的Support Vector Machines(SVM)算法和K-nearest neighbor(KNN)算法两者结合成为一种应用于基因表达数据分类的算法,并针对基因表达数据分类数据集 "样本少,维数高"的特点,提出了一种改进的基于相关性的递归特征消除算法(简称为C-RFE),消除了数据冗余.实验结果表明,新方法可有效提高分类准确率和特征选取的效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林亚平	湖南大学计算机与通信学院	231	2974	26.0	42.0
5	蔡立军	湖南大学计算机与通信学院	37	352	9.0	18.0
9	蒋林波	湖南大学计算机与通信学院	6	41	3.0	6.0
10	沈小乔	湖南大学计算机与通信学院	1	10	1.0	1.0