基于相关性分析的微阵列数据集成分类研究

被引：11

作者：

于化龙

顾国昌

刘海波

沈晶

赵靖

机构：

[1] 哈尔滨工程大学计算机科学与技术学院

来源：

计算机研究与发展 | 2010年 / 47卷 / 02期

基金：

中国博士后科学基金;

关键词：

集成分类; 微阵列数据; 相关性分析; 特征选择; 支持向量机;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

081102 [检测技术与自动化装置];

摘要：

基于微阵列数据的肿瘤诊断方法有望在不久的将来成为临床医学上一种快速且有效的分子层肿瘤诊断方法,但由于微阵列数据存在高维小样本的特点,因而对传统的分类方法提出了挑战,为此研究人员开始关注于性能更好的集成分类算法.针对现有的微阵列数据集成分类算法分类精度不高、计算量过大等问题,提出了一种基于相关性分析的微阵列数据集成分类算法.该算法可以通过计算训练子集间的相关性挑选出差异度最大的一组子集来进行训练,有效地增强了集成中的多样性.应用支持向量机作为基分类器,在急性白血病与结肠癌数据集上的实验结果表明了所提算法的有效性和可行性.同时,测试了算法在不同参数设置下的性能,测试结果为合理的参数设置提供了参考依据.

引用

页码：328 / 335

页数：8

共 5 条

[1]

肿瘤信息基因启发式宽度优先搜索算法研究 [J].