基于演化超网络的DNA微阵列数据分类方法

• 作者: 卢影 孙开伟 朱文晓 王进 赵蕊 邓欣 陈乔松
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 癌症分子分型 信噪比基因选择 演化超网络 DNA微阵列
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 679-685
• 页数: 7页
• 分类号: TP391.4
• 字数: 5752字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2014.05.020

摘要

为能够更好地从高特征维度的DNA微阵列数据中挖掘癌症相关基因,实现对恶性肿瘤的分子分型,提出了一种基于演化超网络模型的DNA微阵列数据分类方法.演化超网络是受生物网络启发而建立的一种认知学习模型,其学习过程非常适用于发掘基因间的相互作用.该方法采用信噪比进行基因选择,选择后的基因经归一化后用于演化超网络的学习和分类.通过急性白血病和结肠癌2种数据集进行实验,结果表明,演化超网络在分类精度方面与当前其他方法有较高的可比性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王进	重庆邮电大学计算智能重庆市重点实验室	50	202	8.0	12.0
2	赵蕊	重庆邮电大学计算智能重庆市重点实验室	4	14	2.0	3.0
3	陈乔松	重庆邮电大学计算智能重庆市重点实验室	16	66	4.0	7.0
4	邓欣	重庆邮电大学计算智能重庆市重点实验室	21	58	4.0	6.0
5	孙开伟	重庆邮电大学计算智能重庆市重点实验室	10	38	3.0	6.0
6	卢影	重庆邮电大学计算智能重庆市重点实验室	1	1	1.0	1.0
7	朱文晓	重庆邮电大学计算智能重庆市重点实验室	2	5	1.0	2.0