基于QPSO-SVM算法的SELDI-TOF质谱数据分析

• 作者: 冯斌 孙俊 张蓉
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 表面增强激光解析电离飞行时间质谱 粒子群优化算法(PSO) 量子粒子群算法(QPSO) 特征选择技术 生物标记物
• 年，卷（期）: 2011,（1）
• 页码范围: 57-60
• 分类号: TP3
• 字数: 3843字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2011.01.018

摘要

生物信息学领域的微阵列分析、质谱数据分析等大规模机器学习问题的不断涌现,对已有的特征选择算法提出了严峻的挑战,迫切需要研究适应于高维小样本特征的、准确性和运行效率等综合性能较好的、新的特征选择算法.将基于量子粒子群算法(QPSO)与SVM结合,并将建立的诊断模型用于生物标记物的选择.实验结果表明,新的基于量子粒子群算法建立的模型不仅具有良好的预测精度,而且在速度上有大幅的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙俊	江南大学信息工程学院	186	1552	21.0	30.0
2	冯斌	江南大学信息工程学院	50	410	12.0	18.0
3	张蓉	江苏信息职业技术学院计算机工程系	20	45	4.0	6.0