基于类别空间的基因选择

被引：9

作者：

张军英

Y.J.Wang

J.Khan

R.Clarke

机构：

[1] 西安电子科技大学雷达信号处理国防重点实验室

[2] Electrical Engineering Institute

[3] The Catholic University of America

[4] Washington DC

[5] USA

[6] Cancer Genetics Branch

[7] National Human Genome Research Institute

[8] National Institutes of Health

[9] Bethesda

[10] Maryland

[11] Lombardi Cancer Center

[12] Georgetown University

[13] USA 西安 Electrical Engineering Institute

[14] Washington

来源：

中国科学E辑:技术科学 | 2003年 / 12期

基金：

中国国家自然科学基金;

关键词：

特征空间(基因空间); 类别空间; 特征选择(基因选择); 主分量分析;

D O I：

暂无

中图分类号：

Q75 [分子遗传学];

学科分类号：

071007 ;

摘要：

基因选择通常是在基因空间中进行的.由于基因空间的维数(基因数目)比该空间中的样本数要多得多,这种做法存在严重的维数发难(curse of dimensionality)问题,其结果是在基因空间中所建立数据模型难于获得满意的精度,基于所建立模型的基因选择结果可信度低.如何对具有极少样本的极高维空间进行特征选择(基因选择)是一个极具挑战性的课题.将基因空间变换为它的对偶空间,称为类别空间,从而空间的维数仅为基因空间中样本的类别数,空间中的样本数则为基因空间的维数.显然,在类别空间中不存在任何维数发难现象;提出了在类别空间中基于将不同的类尽可能分开的原则、并借助主分量分析的基于类别空间基因选择方法.对真实基因数据的基因选择实验,并通过Fisher指标、加权Fisher指标以及leave-one-out cross validation等可分性指标,与其他两种基因选择方法进行了深入的比较,结果表明该方法是十分有效的.

引用

页码：1125 / 1137

页数：13

共 3 条

[1] 基于关联规则的特征选择方法 [J].