10.3969/j.issn.1000-386x.2019.08.048
基于最小二乘支持向量机微阵列基因特征分类
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.
微阵列、特征分类、降维、最小二乘支持向量机
36
TP18(自动化基础理论)
2019-08-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
288-292