基于邻域粗糙集和概率神经网络集成的基因表达谱分类方法

被引：8

作者：

明利特 ^{[1
]}

蒋芸 ^{[1
]}

王勇 ^{[2
]}

王明芳 ^{[1
]}

机构：

[1] 西北师范大学数学与信息科学学院

[2] 西北工业大学计算机学院

来源：

计算机应用研究 | 2011年 / 28卷 / 12期

关键词：

分类; 基因表达谱; 概率神经网络集成; 邻域粗糙集;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

从癌症基因表达谱分析入手,针对基因表达谱维数高、样本少的特点,提出一种用于癌症分类的基于邻域粗糙集和概率神经网络集成的分类方法。首先利用Relief算法对基因进行排序,然后利用邻域粗糙集选取分类特征基因,最后结合概率神经网络集成分类模型进行癌症分类。实验结果表明,该方法可以快速有效地选取癌症特征基因,能获得更好的分类效果。

引用

页码：4440 / 4444

页数：5

共 9 条

[1] 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

[2] 基于基因表达谱的肿瘤预测模型研究 [J].

李辉 ;

王金莲 .

电子学报, 2008, (05) :989-992

[3] 基于邻域粒化和粗糙逼近的数值属性约简 [J].

胡清华 ;

于达仁 ;

谢宗霞 .

软件学报, 2008, (03) :640-649

[4] 生物信息学中基因芯片的特征选择技术综述 [J].

周昉 ;

何洁月 .

计算机科学, 2007, (12) :143-150

[5] 肿瘤基因表达谱分类特征基因选取问题及分析方法研究 [J].

李颖新 ;

李建更 ;

阮晓钢 .

计算机学报, 2006, (02) :324-330

[6] 急性白血病的基因表达谱分析与亚型分类特征的鉴别 [J].

李颖新 ;

刘全金 ;

阮晓钢 .

中国生物医学工程学报, 2005, (02) :240-244

[7]

Gene Selection for Cancer Classification using Support Vector Machines.[J] . Isabelle Guyon,Jason Weston,Stephen Barnhill,Vladimir Vapnik. Machine Learning . 2002 (1-3)

[8] Bagging predictors [J].

Breiman, L .

MACHINE LEARNING, 1996, 24 (02) :123-140

[9]

Small Sample Issues for Microarray Based Clas-sification .2 Dougherty E R. Comparative and Functional Genomics . 2001

← 1 →