一种基于关联规则与支持向量机的基因表达数据分类模型

• 作者: 王美华 罗静 苏雄斌 蔡瑞初
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 关联规则 基因表达数据 支持向量机 疾病辅助诊断
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 155-158,176
• 页数: 5页
• 分类号: TP181
• 字数: 5786字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.05.040

摘要

通过研究基因表达数据发现与特定疾病相关的关联规则，对疾病辅助诊断有重要的意义。针对现有分类结果可解释性的不足，提出一种基于关联规则的基因表达数据分类模型ASSO-SVM（ASSOciation rule based Support Vector Machine）。在该模型中，关联规则作为一种特征选择方法，用于提取基因之间的非线性关联。通过这些非线性关联所获取的先验知识有利于提高分类结果的可解释性。另外，针对基因表达数据高维、小样本的特性，该方法采用支持向量机作为对基因表达数据的分类器，获得较高的分类精度。ASSO-SVM结合了基因表达关联规则以及支持向量机分类的优点。在实际基因表达数据集上与现有分类模型的对比实验验证了该方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡瑞初	广东工业大学计算机学院	66	279	10.0	13.0
2	王美华	华南农业大学信息学院	22	133	6.0	10.0
3	罗静	华南农业大学信息学院	6	17	3.0	3.0
4	苏雄斌	华南农业大学信息学院	1	3	1.0	1.0