演化超网络在多类型癌症分子分型中的应用

被引：4

作者：

王进 ^{[1
]}

丁凌 ^{[1
]}

孙开伟 ^{[1
]}

李钟浩 ^{[2
]}

机构：

[1] 计算智能重庆市重点实验室(重庆邮电大学)

[2] 韩国仁荷大学信息与通信工程系

来源：

电子与信息学报 | 2013年 / 35卷 / 10期

基金：

教育部留学回国人员科研启动基金;

关键词：

模式识别; 机器学习; 演化超网络; 微阵列; 癌症多类型分类;

D O I：

暂无

中图分类号：

R730.2 [肿瘤病理学、病因学]; TP18 [人工智能理论];

学科分类号：

100214 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

该文提出一种用于多类型癌症分子分型的演化超网络模式识别方法。首先采用"一对多"方法,将一个多类分型问题转化为多个二类分型问题;然后利用信噪比方法对DNA微阵列数据进行信息基因选择;经过超网络对训练集的演化学习,构造一系列二类分类器并进行集成,最终构建一个多类型癌症分型系统并对待测样本进行分类。对急性白血病、儿童小圆蓝细胞肿瘤和GCM数据集实验结果表明:演化超网络留一交叉验证(LOOCV)识别率分别为:98.61%,100%和85.35%。演化超网络有利于挖掘癌症相关基因,具有良好的学习结果可读性。

引用

页码：2425 / 2431

页数：7

共 11 条

[1] 基于演化超网络的中文文本分类方法 [J].