基于支持向量机递归特征消除和特征聚类的致癌基因选择方法

• 作者: 叶小泉 吴云峰
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: 基因表达谱 特征选择 K均值聚类 支持向量机
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 研究论文
• 页码范围: 702-707
• 页数: 6页
• 分类号: TP391.4
• 字数: 4728字
• 语种: 中文
• DOI: 10.6043/j.issn.0438-0479.201803022

摘要

癌症通常由基因发生突变引起,因此从大量基因中有效地识别出少量致癌基因具有重要意义 .针对基因表达谱数据高维小样本的特点,将支持向量机递归特征消除(SVM-RFE)和特征聚类算法相结合,提出一种新的基因选择方法:K类别SVM-RFE(K-SVM-RFE) .该算法通过特征排序算法去除大量无关基因,利用 K均值聚类算法将相似基因聚为一类,并通过两次SVM-RFE算法精选致癌基因 .随后将 K-SVM-RFE算法应用于多个基因表达谱数据集,并对其中的关键参数设置进行了讨论 .实验结果表明 K-SVM-RFE算法所选基因较已有方法在分类准确率上有显著提高,特别是在选择少量致癌基因上效果提升更为明显 .

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶小泉	厦门大学信息科学与技术学院福建省智慧城市感知与计算重点实验室	1	6	1.0	1.0
2	吴云峰	厦门大学信息科学与技术学院福建省智慧城市感知与计算重点实验室	1	6	1.0	1.0