基于基因表达谱的肿瘤样本分类规则提取

• 作者: 周志华 姜远 李颖新
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 规则提取 特征选择 决策树 基凶表达谱 肿瘤
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 数据挖掘及应用专栏
• 页码范围: 613-619
• 页数: 7页
• 分类号: TP391.4|TP181|Q617
• 字数: 5500字
• 语种: 中文
• DOI: 10.3321/j.issn:0469-5097.2009.05.007

摘要

样本分类规则提取是基因表达谱数据挖掘工作中的重要内容,提取肿瘤病理组织与正常组织的样本分类规则具有重要的生物学意义与临床诊断价值.针对该问题,基于机器学习与数据挖掘技术,研究了用于区分肿瘤与正常组织样本的分类规则提取问题.首先,利用改进的Relief算法生成候选特征子集,并以支持向量机作为样本分类模型,利用交叉验证方法在训练集上评估候选特征子集的样本分类能力,确定分类特征基因集合;然后,利用CART(classification and regression trees)学习算法构建决策树获得样本分类规则;最后,对所得规则进行了分析和解释.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周志华	南京大学软件新技术国家重点实验室	92	3105	30.0	55.0
2	姜远	南京大学软件新技术国家重点实验室	24	288	7.0	16.0
3	李颖新	南京大学软件新技术国家重点实验室	1	1	1.0	1.0