基于SVM的非相关线性判别分析算法研究

被引：4

作者：

张小丹

吕建平

机构：

[1] 苏州大学电子信息学院

来源：

计算机工程与应用 | 2008年 / 04期

关键词：

非相关线性判别分析; 支持向量机; 基因表达谱; 分类;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

基于基因表达谱对组织样本进行分类,在疾病诊断领域,是个非常重要的研究课题。在基因表达数据中,基因的数量(几千个)相对于数据样本(几十个)的个数通常比较多;也就是说,数据的维数相比于数据点的个数来说比较高(这个就是采样不足问题)。过高的维数(特征或基因数)将给分类问题带来极大的挑战。提出了结合非相关线性判别式分析方法(ULDA)和支持向量机(SVM)分类算法,对结肠癌组织样本进行分类识别,并同其他方法作了比较研究,分类效果得到了提高;结果表明了该方法的可行性和有效性。

引用

页码：227 / 229

页数：3

共 4 条

[1] 基于基因表达谱的肿瘤分型和特征基因选取 [J].

李泽 ;

包雷 ;

黄英武 ;

孙之荣 .

生物物理学报, 2002, (04) :413-417

[2]

数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,

[3] Comparison of discrimination methods for the classification of tumors using gene expression data [J].

Dudoit, S ;

Fridlyand, J ;

Speed, TP .

JOURNAL OF THE AMERICAN STATISTICAL ASSOCIATION, 2002, 97 (457) :77-87

[4]

Support vector machine classification and validation of cancer tissue samples using microarray expression data.[J].Terrence S. Furey;Nello Cristianini;Nigel Duffy;David W. Bednarski;Michèl Schummer.Bioinformatics.2000,

← 1 →