基于迭代延长纠错输出编码的微阵列数据多分类方法

• 作者: 刘昆宏 王备战 钟天云
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: 微阵列 纠错输出编码 多分类算法 癌症基因 数据复杂度
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 研究论文
• 页码范围: 396-403
• 页数: 8页
• 分类号: TP391.4
• 字数: 5057字
• 语种: 中文
• DOI: 10.6043/j.issn.0438-0479.201711003

摘要

微阵列技术使快速大量检测基因成为可能,人们迫切需要利用该技术提高疾病诊断水平.因此,对微阵列数据的分析研究迅速发展,其中以数据多类分类研究尤为突出.但由于微阵列数据具有特征多、样本少的特点,使得传统统计学习方法分类效果欠佳.为了针对微阵列数据特点解决多类分类问题,提出了一种迭代延长纠错输出编码(iterative extension error correct output coding,IE-ECOC)的算法.在几个特征子集上,配合与特征相关的数据复杂度,利用一种基于二叉树的编码方法生成一个列池,并提出一种择列策略构造编码矩阵;然后,依据迭代验证结果延长矩阵.对癌症基因微阵列进行分类实验,结果显示,IE-ECOC对特征多、样本少的数据具有针对性,且与一些经典的ECOC算法相比,可以产生较好的结果,IE-ECOE算法效果也在实验中得到了验证.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王备战	厦门大学软件学院	25	191	8.0	12.0
2	钟天云	厦门大学软件学院	1	0	0.0	0.0
3	刘昆宏	厦门大学软件学院	1	0	0.0	0.0