基于邻域粗糙集和粒子群优化的肿瘤分类特征基因选取

• 作者: 任金玉 孙林 徐久成 徐天贺
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 邻域粗糙集 邻域互信息 Relief算法 粒子群优化算法
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 2528-2532
• 页数: 5页
• 分类号: TP18
• 字数: 5816字
• 语种: 中文

摘要

基因表达谱数据具有高维度、低样本和连续型等特点,建立肿瘤分类模型的关键在于准确找出一组能够决定癌症基因样本类别的特征基因.传统的特征选择方法在处理连续型数据时要进行离散化,这可能会丢失一些重要信息,导致分类精度下降.针对上述问题,本文提出一种改进的Relief算法,并利用该算法对基因进行排序生成候选特征集合,然后引入能直接处理连续型数据的邻域粗糙集属性约简模型,提出一种基于邻域粗糙集和粒子群优化的特征基因选择算法.实验结果表明,该算法可快速有效地选取肿瘤特征基因,能获得较好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐久成	河南师范大学计算机与信息工程学院	97	660	14.0	20.0
3	孙林	河南师范大学计算机与信息工程学院	36	265	9.0	15.0
9	徐天贺	河南师范大学计算机与信息工程学院	11	51	4.0	7.0