基于RG MM的离散基因表达数据关联规则挖掘

• 作者: 黄睿
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 离散化 基因表达数据 正则化高斯混合模型 关联规则 数据挖掘
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 191-193
• 页数: 3页
• 分类号: TP399
• 字数: 2535字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.09.047

摘要

由于具有良好的可解释性，关联规则在基于疾病诊断的基因表达数据中表现出优越性，然而，高维基因表达数据中的大量规则阻碍了它的应用。为了缓解这个问题，提出正则化高斯混合模型RGMM（Regularized Gaussian Mixture Model），根据最小描述长度框架，挖掘离散化模型复杂度及信息丢失准则，通过离散化连续的基因表达数据，缓解监督方法中的过拟合现象，并且改善无监督方法中的一些缺点。在六个分类数据集上的大量实验验证了所提方法的有效性。实验结果表明，与其他几种最先进的方法相比，所提的RGMM方法在现实的基因表达数据集中更具实用性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄睿	湖南信息职业技术学院计算机系	3	3	1.0	1.0