基于随机森林的潜在k近邻算法及其在基因表达数据分类中的应用

被引：86

作者：

杨帆 ^{[1
]}

林琛 ^{[2
]}

周绮凤 ^{[1
]}

符长虹 ^{[1
]}

罗林开 ^{[1
]}

机构：

[1] 厦门大学自动化系

[2] 厦门大学计算机科学系

来源：

系统工程理论与实践 | 2012年 / 32卷 / 04期

关键词：

随机森林; 潜在κ近邻; 基因表达数据;

D O I：

暂无

中图分类号：

TP311.13 []; TP274 [数据处理、数据处理系统];

学科分类号：

140102 [集成电路设计与设计自动化];

摘要：

随机森林被广泛应用于包括癌症诊断在内的生物信息学领域.从自适应k近邻的角度分析了随机森林的分类机理,分析其存在的信息损失,据此提出一种新的投票机制,称为基于随机森林的潜在k近邻算法RF-PN,能够充分利用决策树上的OOB样本信息,显著改善随机森林的分类性能.6个癌症基因表达数据集上的对比实验表明,RF-PN的分类准确率优于原算法.

引用

页码：815 / 825

页数：11

共 5 条

[1]

On the layered nearest neighbour estimate, the bagged nearest neighbour estimate and the random forest method in regression and classification [J].