基于多目标EDA的特征基因选择

• 作者: 刘娟 叶奇明 罗飞
• 来源期刊: 计算机应用研究
• 关键词: 分类预测 基因选择 多目标演化
• 年，卷（期）: 2009,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2891-2894
• 页数: 4页
• 分类号: TP301
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2009.08.026

摘要

基因(特征)数远大于条件(样本)数,基因表达数据中往往存在大量噪声,并且生物学或医学工作者期望能从大量的基因中挑选出与疾病诊断有关的标志基因,因此,应用基因表达数据进行疾病分类预测的关键环节是基因选择.目前常用的方法有过滤法和缠绕法.结合过滤法和缠绕法的优点,提出基因选择的多目标分布估计算法(MOEDA).首先通过打分函数确定MOEDA的候选基因集合,在确定候选基因后,MOEDA通过对KNN分类器的多个性能指标及基因数目等多个目标进行优化,从候选基因中选取综合区分能力最强的特征基因子集.儿童小圆蓝细胞肿瘤数据SRBCT上的实验结果表明,本方法在不需要设置复杂参数的情况下,从2000个基因中仅选取了7个基因,就使分类器在独立测试集上的分类精度达到95%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘娟	武汉大学计算机学院	90	502	13.0	18.0
2	叶奇明	茂名学院理学院	11	58	5.0	7.0
4	罗飞	武汉大学计算机学院	9	41	4.0	6.0