K-split Lasso:有效的肿瘤特征基因选择方法

• 作者: 张玉红 张靖 施万锋 胡学钢
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 肿瘤基因表达谱 Lasso 特征选择 支持向量机
• 年，卷（期）: 2012,（12）
• 页码范围: 1136-1143
• 分类号: TP391
• 字数: 6585字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2012.12.008

摘要

随着DNA微阵列技术的出现,大量关于不同肿瘤的基因表达谱数据集被发布到网络上,从而使得对肿瘤特征基因选择和亚型分类的研究成为生物信息学领域的热点.基于Lasso(least absolute shrinkage and selection operator)方法提出了K-split Lasso特征选择方法,其基本思想是将数据集平均划分为K份,分别使用Lasso方法对每份进行特征选择,而后将选择出来的每份特征子集合并,重新进行特征选择,得到最终的特征基因.实验采用支持向量机作为分类器,结果表明K-split Lasso方法减少了冗余特征,提高了分类精度,具有良好的稳定性.由于每次计算的维数降低,K-split Lasso方法解决了计算开销过大的问题,并在一定程度上解决了“过拟合”问题.因此K-split Lasso方法是一种有效的肿瘤特征基因选择方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡学钢	合肥工业大学计算机与信息学院	314	3156	27.0	39.0
2	张玉红	合肥工业大学计算机与信息学院	32	260	10.0	14.0
3	张靖	合肥工业大学计算机与信息学院	4	61	4.0	4.0
4	施万锋	合肥工业大学计算机与信息学院	3	85	3.0	3.0