首页 | 本学科首页   官方微博 | 高级检索  
     

基于SVM-RFE-SFS的基因选择方法
引用本文:游伟,李树涛,谭明奎. 基于SVM-RFE-SFS的基因选择方法[J]. 中国生物医学工程学报, 2010, 29(1). DOI: 10.3969/j.issn.0258-8021.2010.01.015
作者姓名:游伟  李树涛  谭明奎
作者单位:湖南大学电气与信息工程学院,长沙,410082
基金项目:教育部新世纪优秀人才支持计划项目,湖南省杰出青年基金项目 
摘    要:基因微阵列数据通常包含大量与肿瘤分类无关的数据,会严重降低肿瘤诊断的准确率;基因微阵列数据还存在小样本、高维度的问题,也增加了肿瘤诊断的难度,所以必须对其进行基因选择。提出一种新的基于支持向量机(SVM)、联合递归特征去除(RFE)和序列前向选择(SFS)的基因选择方法。首先利用SVM计算每个基因的排序准则分数,再利用排序准则分数的一阶差分把基因划分为若干小组;对排序准则分数值最小的基因小组进行递归特征去除,消去噪声基因,同时对排序准则分数值最大的基因小组进行序列前向选择,选取有效信息基因。对白血病、结肠癌、乳腺癌基因微阵列数据的实验结果表明,所提出的方法运行效率高、分类性能好。

关 键 词:基因选择  支持向量机  递归特征去除  序列前向选择

Gene Selection Method Based on SVM-RFE-SFS
YOU Wei,LI Shu-Tao,TAN Ming-Kui. Gene Selection Method Based on SVM-RFE-SFS[J]. Chinese Journal of Biomedical Engineering, 2010, 29(1). DOI: 10.3969/j.issn.0258-8021.2010.01.015
Authors:YOU Wei  LI Shu-Tao  TAN Ming-Kui
Affiliation:YOU Wei LI Shu-Tao~* TAN Ming-Kui(College of Electrical , Information Engineering,Hunan University,Changsha 410082,China)
Abstract:Microarray data usually contain a large quantity of irrelevant,noisy and redundant genes which may seriously deteriorate the prediction accuracy.In addition,microarray data often encounter problems of less samples and multi-dimensions,which raises many difficulties in cancer diagnosis.In this article,we proposed a new method for gene selection,combining recursive feature elimination(RFE) and sequential forward selection(SFS) based on support vector machine(SVM).The ranking score of each gene was calculated ...
Keywords:gene selection  support vector machine  recursive feature elimination  sequential forward selection
本文献已被 CNKI 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号