一种基于微阵列数据的集成分类方法

• 作者: 于化龙 刘世勇 石磊 罗美淑
• 来源期刊: 计算机应用研究
• 关键词: 微阵列数据 主成分分析 特征选择 支持向量机 集成分类
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 104-106
• 页数: 3页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2010.01.031

摘要

针对现有的微阵列数据集成分类方法分类精度不高这一问题,提出了一种Bagging-PCA-SVM方法.该方法首先采用Bootstrap技术对训练样本集重复取样,构成大量训练样本子集,然后在每个子集上进行特征选择和主成分分析以消除噪声基因与冗余基因;最后利用支持向量机作为分类器,采用多数投票的方法预测样本的类属.通过三个数据集进行了测试,测试结果表明了该方法的有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石磊	黑龙江工程学院计算机科学与技术系	31	172	7.0	12.0
3	于化龙	哈尔滨工程大学计算机科学与技术学院	7	74	5.0	7.0
4	罗美淑	牡丹江师范学院计算机科学与技术系	21	56	4.0	6.0
5	刘世勇		16	48	3.0	6.0