基于遗传算法和学习向量化网络的基因表达数据的阈值分析

• 作者: 刘珑龙 刘雪峰 周西龙
• 来源期刊: 中国海洋大学学报（自然科学版）
• 学科: 工学
• 关键词: 遗传算法 最大类间差 LVQ网 基因表达谱 阈值
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 研究论文
• 页码范围: 111-116
• 页数: 6页
• 分类号: TP183
• 字数: 6219字
• 语种: 中文

摘要

常用的P值法对于非正态分布的基因表达数据的分类效果不理想,且运算量较大.为了对大规模的基因表达数据进行二值化分类,本文提出1种基于遗传算法的学习向量量化神经网络.采用遗传算法优化的自适应最大类间差算法,通过统计类间总体离差,构造阈值判别函数,从而得到较理想的动态分割阈值,进而获得了较为精准的网络训练集.实验结果表明了新方法具有较好的分类效果,能够有效地挖掘出基因表达数据的特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘雪峰	中国海洋大学数学科学学院	10	77	5.0	8.0
2	刘珑龙	中国海洋大学数学科学学院	18	46	4.0	6.0
3	周西龙	中国海洋大学数学科学学院	4	12	1.0	3.0