一种结合随机森林和邻域粗糙集的特征选择方法

被引：27

作者：

吴辰文

王伟

李长生

梁靖涵

闫光辉

机构：

[1] 兰州交通大学电子与信息工程学院

来源：

小型微型计算机系统 | 2017年 / 38卷 / 06期

关键词：

肿瘤基因数据; 随机森林特征封装; Relief算法; 邻域粗糙集; 特征选择;

D O I：

10.20009/j.cnki.21-1106/tp.2017.06.034

中图分类号：

R73 [肿瘤学]; TP18 [人工智能理论];

学科分类号：

100214 [肿瘤学]; 140502 [人工智能];

摘要：

针对肿瘤基因数据具有高维小样本的特性,为了提高传统基因分类方法的正确率,提出一种结合随机森林和邻域粗糙集的特征基因选择方法(Random Forest and Neighborhood Rough Set,RFNRS).该方法首先利用Relief算法,对原始的肿瘤基因数据进行权重选择,去除权重较低的特征子集;接着引入基于随机森林的封装式特征选择算法(Random Forest Wrapper Feature Select,RFWFS),以模型准确率作为评判准则,筛选特征子集;然后引入邻域粗糙集针对连续性的特征子集进行寻优处理;最后利用多个经典分类算法处理特征子集.经实验结果表明,该方法不仅在肿瘤基因特征子集的选择上具有良好的性能,同时在算法的分类性能上也有所提高.

引用

页码：1358 / 1362

页数：5

共 15 条

[1]

Selection and evaluation of reference genes for expression analysis of Cassi [J].

Liu, Zubi ;

Zhu, Qiankun ;

Li, Juanjuan ;

Yu, Jihua ;

Li, Yangyang ;

Huang, Xinhe ;

Wang, Wanjun ;

Tan, Rui ;

Zhou, Jiayu ;

Liao, Hai .

BIOSCIENCE BIOTECHNOLOGY AND BIOCHEMISTRY, 2015, 79 (11) :1818-1826

[2]

Feature gene selection method based on logistic and correlation information entropy.[J].Jiucheng Xu;Tao Li;Lin Sun.Bio-Medical Materials and Engineering.2015, s1

[3]

Data mining for feature selection in gene expression autism data [J].

Latkowski, Tomasz ;

Osowski, Stanislaw .

EXPERT SYSTEMS WITH APPLICATIONS, 2015, 42 (02) :864-872

[4]

Diagnosis of colorectal cancer by near-infrared optical fiber spectroscopy and random forest.[J].Hui Chen;Zan Lin;Hegang Wu;Li Wang;Tong Wu;Chao Tan.Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy.2015,

[5]

Random forest classification of etiologies for an orphan disease.[J].Jaime Lynn Speiser;Valerie L. Durkalski;William M. Lee.Statist. Med..2014, 5

[6]

Research and application of data mining feature selection based on relief algorithm [J].