基于最小二乘支持向量机微阵列基因特征分类

• 作者: 高振斌
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 微阵列 特征分类 降维 最小二乘支持向量机
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 算法
• 页码范围: 288-292
• 页数: 5页
• 分类号: TP18
• 字数: 3393字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.08.048

摘要

基因表达分析中的微阵列数据具有高维、高冗余的特点,给基因表达数据分类带来很大的困难.机器学习中的最小二乘支持向量机算法具有计算效率高的优势,从而为数据挖掘提供了一条有效途径.针对两类典型的癌症微阵列数据集(结肠癌集和白血病集),进行归一化预处理并且计算其相关系数矩阵;使用主成分分析法进行降维处理,得到用于特征选取和分类的信息基因集(各取10个基因);采用最小二乘支持向量机分类器对信息基因集进行分类.实验结果表明,该算法在两类癌症数据集上的留一交叉检验的准确率分别为97.5％和100％,具有比其他分类器都高的测试准确率,为进一步医学临床应用提供可靠的诊断依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高振斌	西安财经大学统计学院数学与应用数学研究所	6	18	3.0	4.0