一种基于监督降维和形状分析的基因选择方法

被引：1

作者：

耿耀君

张军英

机构：

[1] 西安电子科技大学计算机学院

来源：

西安电子科技大学学报 | 2011年 / 38卷 / 03期

关键词：

基因选择; 微阵列数据; Procrustes分析; 间隔最大化判别分析;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

因为由主分量分析与形状分析相结合的基因选择方法没有有效利用样本的类别信息,所以提出了一种新的基因选择方法,将间隔最大化判别分析和形状分析相结合,在选择基因过程中不仅考虑了基因与基因之间的相互作用,也考虑了基因与类之间的相互关系,提高了所选基因集的分类性能.对4组微阵列基因表达数据的实验表明,该方法的性能优于主分量分析与形状分析相结合的方法,与当前两个流行的多变量F ilter方法相比,也具有一定的优势.

引用

页码：121 / 127

页数：7

共 8 条

[1] 一种新的基因表达数据聚类方法 [J].

王文俊 ;

张军英 .

西安电子科技大学学报, 2009, 36 (03) :502-505+534

[2] 微阵列数据癌症分类问题中的基因选择 [J].

张丽娟 ;

李舟军 .

计算机研究与发展, 2009, 46 (05) :794-802

[3] 基于类别空间的基因选择 [J].

张军英 ;

Y.J.Wang ;

J.Khan ;

R.Clarke .

中国科学E辑:技术科学, 2003, (12) :1125-1137

[4] Gene expression correlates of clinical prostate cancer behavior [J].

Singh, D ;

Febbo, PG ;

Ross, K ;

Jackson, DG ;

Manola, J ;

Ladd, C ;

Tamayo, P ;

Renshaw, AA ;

D'Amico, AV ;

Richie, JP ;

Lander, ES ;

Loda, M ;

Kantoff, PW ;

Golub, TR ;

Sellers, WR .

CANCER CELL, 2002, 1 (02) :203-209

[5]

Classification, subtype discovery, and prediction of outcome in pediatric acute lymphoblastic leukemia by gene expression profiling[J] . Eng-Juh Yeoh,Mary E Ross,Sheila A Shurtleff,W.Kent Williams,Divyen Patel,Rami Mahfouz,Fred G Behm,Susana C Raimondi,Mary V Relling,Anami Patel,Cheng Cheng,Dario Campana,Dawn Wilkins,Xiaodong Zhou,Jinyan Li,Huiqing Liu,Ching-Hon Pui,William E Evans,Clayton Naeve,Limsoon Wong,James R Downing.Cancer Cell . 2002 (2)

[6] Gene Selection for Cancer Classification using Support Vector Machines [J].

Isabelle Guyon ;

Jason Weston ;

Stephen Barnhill ;

Vladimir Vapnik .

Machine Learning, 2002, 46 :389-422

[7]

Studies in the Robustness of Multidimensional Scaling: Procrustes Statistics[J] . Robin Sibson.Journal of the Royal Statistical Society. Series . 1978 (2)

[8]

Prototype and Feature Selection by Sampling and Random Mutation Hill Climbing Algorithms. Skalak D. Proceedings of theEleventh International Conference on Machine Learning . 2004

← 1 →