本文關(guān)鍵詞：K-S檢驗(yàn)與mRMR相結(jié)合的基因選擇算法

  更多相關(guān)文章： 基因選擇 K-S檢驗(yàn) 最小見(jiàn)余最大相關(guān) 支持向量機(jī) F_measure AUC RELIEF FAST

【摘要】：為了解決基因數(shù)據(jù)集的基因選擇難題,提出一種基于K-S檢驗(yàn)與最小冗余最大相關(guān)(minimum redundancy-maximum relevance,mRMR)原則的基因選擇算法。該算法先采用K-S檢驗(yàn)選擇出具有一定區(qū)分能力的基因,然后對(duì)選擇到的基因進(jìn)行mRMR判斷,保留與類(lèi)別高度相關(guān)而其間相關(guān)性較小的基因構(gòu)成最終被選基因子集。以SVM為分類(lèi)器,以F1_measure、分類(lèi)準(zhǔn)確率和AUC為評(píng)價(jià)指標(biāo)對(duì)該算法選擇的基因子集進(jìn)行評(píng)估,并將本算法與K-S檢驗(yàn)、mRMR,以及經(jīng)典的RELIEF和FAST算法進(jìn)行比較。五個(gè)經(jīng)典基因數(shù)據(jù)集上的平均實(shí)驗(yàn)結(jié)果表明:本算法的運(yùn)行時(shí)間遠(yuǎn)低于mRMR算法,且其各項(xiàng)評(píng)價(jià)指標(biāo)值優(yōu)于其他比較算法。因此,提出的K-S檢驗(yàn)與mRMR結(jié)合的基因選擇算法能選擇到非常有效的基因子集。
【作者單位】： 陜西師范大學(xué)計(jì)算機(jī)科學(xué)學(xué)院;陜西師范大學(xué)生命科學(xué)學(xué)院;
【關(guān)鍵詞】： 基因選擇 K-S檢驗(yàn) 最小見(jiàn)余最大相關(guān) 支持向量機(jī) F_measure AUC RELIEF FAST
【基金】：陜西省科技攻關(guān)項(xiàng)目(2013K12-03-24) 國(guó)家自然科學(xué)基金資助項(xiàng)目(31372250) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金項(xiàng)目(GK201503067)
【分類(lèi)號(hào)】：Q811.4;TP181
【正文快照】： 0引言基因微陣列技術(shù)加速了高維小樣本基因數(shù)據(jù)集的產(chǎn)生。分析基因數(shù)據(jù)以挖掘其隱含的信息是當(dāng)前生物信息學(xué)研究的重點(diǎn)[1,2]�；驍�(shù)據(jù)分析包括基因數(shù)據(jù)獲取、基因數(shù)據(jù)預(yù)處理、基因選擇、分類(lèi)模型建立與評(píng)估四個(gè)步驟[3]。其中,基因數(shù)據(jù)獲取是生物醫(yī)學(xué)過(guò)程,其他步驟則是數(shù)據(jù)挖，

本文編號(hào)：784568