基于DNA微阵列数据的特征子空间集成分类

被引：3

作者：

于化龙 ^{[1
,2
]}

顾国昌 ^{[1
]}

赵靖 ^{[1
]}

刘海波 ^{[1
]}

沈晶 ^{[1
]}

机构：

[1] 哈尔滨工程大学计算机科学与技术学院

[2] 江苏科技大学计算机科学与工程学院

来源：

吉林大学学报(工学版) | 2011年 / 41卷 / 04期

基金：

中国博士后科学基金;

关键词：

计算机应用; 集成分类; 特征子空间; DNA微阵列数据; 支持向量机;

D O I：

10.13229/j.cnki.jdxbgxb2011.04.014

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对DNA微阵列数据应用于临床诊断时分类准确率过低的问题,结合其高维小样本的特点提出了一种特征子空间集成分类方法。该方法首先通过层次聚类与信噪比特征选择策略将原始训练数据集映射到一个非冗余的特征基因空间,然后随机抽取一些特征子空间构成训练子集并应用支持向量机训练基分类器,最后采用多数投票的方式决定测试样本的类属。最后在4个标准的微阵列数据集上与其他方法进行了对比实验,结果证明了本文方法的有效性。

引用

页码：1071 / 1076

页数：6