基于支持向量机和多层感知器的多病类诊断基因选择方法

• 作者: Yue Wang 刘申岭 张军英
• 来源期刊: 自然科学进展
• 学科: 医学
• 关键词: DNA微阵列数据 维数灾难 基因选择 诊断基因 SVM MLP 交叉验证
• 年，卷（期）: 2007,（10）
• 所属期刊栏目: 学术论文
• 页码范围: 1428-1438
• 页数: 11页
• 分类号: R4
• 字数: 10599字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-008x.2007.10.013

摘要

超高维基因空间超小样本的基因选择问题是基因芯片技术的挑战性课题之一,对于解决维数发难问题和获得诊断基因具有重要的理论和实际意义.针对DNA微阵列数据的超高维空间和超小样本特性,提出了实现二病类样本有效分类的基于支持向量机(SVM)和leave-one-out的递增基因选择方法,并针对多病类情况的基因选择问题,提出了在区分两两病类所选基因基础上的基于多层感知器(MLP)和leave-one-out/MLP+leave-4-out的递减基因选择方法.对于真实MIT数据(7129个基因、两个病类、72个样本)和NCI数据(2308个基因、64个样本、4个病类),用文中方法选择出了11个和6个诊断基因,与传统SNR方法的比较结果表明所选出的这些诊断基因有很好的诊断性能(即推广能力),既可有效诊断相应疾病,同时极大降低芯片和诊断费用,表明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张军英	西安电子科技大学计算机学院	113	2001	25.0	41.0
5	刘申岭	西安电子科技大学计算机学院	1	3	1.0	1.0