基于人工蜂群和SVM的基因表达数据分类

• 作者: 万春圆 叶明全 高凌云
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 人工蜂群 支持向量机 基因表达数据 智能优化 肿瘤分类 生物信息学
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 10-16
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2017.405

摘要

基因表达数据存在高维、小样本、高噪声等特性,使得相应的肿瘤分类诊断面临着一定的挑战.为了实现更加精确的分类准确率,利用人工蜂群(artificial bee colony,ABC)算法对支持向量机(support vector machine,SVM)的核函数参数和惩罚因子进行优化,采用准确率作为分类模型的适应度函数,提出一种基于ABC和SVM的基因表达数据分类方法ABC-SVM.在6种公开的肿瘤基因表达数据集上进行试验,并对比分析其他的分类方法.结果表明,在筛选得到的较少信息基因基础上,ABC-SVM可获得更高的肿瘤分类准确率,对肿瘤样本类型进行更有效的分类预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶明全	皖南医学院健康大数据挖掘与应用研究中心	86	416	11.0	17.0
2	高凌云	皖南医学院健康大数据挖掘与应用研究中心	6	17	2.0	4.0
3	万春圆	皖南医学院健康大数据挖掘与应用研究中心	2	12	2.0	2.0