【摘要】：在腫瘤特征基因選擇過程中,傳統(tǒng)分類方法會(huì)選出大量冗余基因,而大量冗余基因會(huì)造成分類精度低和時(shí)間復(fù)雜度較高等問題,為了解決上述問題,提出一種結(jié)合信噪比過濾法與隨機(jī)森林算法的腫瘤特征基因選擇方法.該方法包含兩個(gè)過程:首先使用信噪比過濾法剔除原始特征空間中的無關(guān)和冗余基因,從而獲得與分類屬性相關(guān)性較高的基因,選擇出分類能力較強(qiáng)的預(yù)選特征子集;其次使用隨機(jī)森林算法對(duì)特征基因子集進(jìn)行分類,最終獲得分類結(jié)果.實(shí)驗(yàn)結(jié)果顯示,該算法可以快速有效地選擇出腫瘤特征基因,并具有較高的分類精度.
[Abstract]:In the selection process of tumor characteristic genes, the traditional classification method will select a large number of redundant genes, and a large number of redundant genes will lead to low classification accuracy and high time complexity. In order to solve the above problems, In this paper, a method of tumor feature gene selection combined with SNR filter and stochastic forest algorithm is proposed. The method consists of two processes: firstly, the independent and redundant genes in the original feature space are eliminated by SNR filtering method, and the genes with high correlation with the classification attributes are obtained, and the pre-selected feature subsets with strong classification ability are selected. Secondly, a random forest algorithm is used to classify the subsets of feature genes, and finally the classification results are obtained. Experimental results show that the proposed algorithm can select tumor characteristic genes quickly and effectively, and has high classification accuracy.
【作者單位】： 河南師范大學(xué)計(jì)算機(jī)與信息工程學(xué)院河南省高校計(jì)算智能與數(shù)據(jù)挖掘工程技術(shù)研究中心;
【基金】：國(guó)家自然科學(xué)基金(61370169,61402153) 河南省科技攻關(guān)重點(diǎn)項(xiàng)目(142102210056,162102210261)
【分類號(hào)】：R730.4;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 關(guān)健;韓飛;楊善秀;;基于粒子群優(yōu)化和判別熵信息的基因選擇算法[J];計(jì)算機(jī)工程;2013年11期

2 姚登舉;楊靜;詹曉娟;;基于隨機(jī)森林的特征選擇算法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2014年01期

3 楊帆;林琛;周綺鳳;符長(zhǎng)虹;羅林開;;基于隨機(jī)森林的潛在k近鄰算法及其在基因表達(dá)數(shù)據(jù)分類中的應(yīng)用[J];系統(tǒng)工程理論與實(shí)踐;2012年04期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 余自林;張曉龍;;基于有效特征選擇的高價(jià)值移動(dòng)通信用戶預(yù)測(cè)方法[J];武漢科技大學(xué)學(xué)報(bào);2017年02期

2 張萬福;;基于隨機(jī)森林的圖像語義分割算法的研究[J];電子科技;2017年02期

3 李磊;牟少敏;林中琦;;隨機(jī)森林在棉蚜蟲害等級(jí)預(yù)測(cè)中的應(yīng)用[J];安徽農(nóng)學(xué)通報(bào);2017年01期

4 鄧曦輝;趙麗;;基于數(shù)據(jù)塊混合度量的加速K-近鄰分類方法[J];計(jì)算機(jī)與現(xiàn)代化;2016年12期

5 韋澤鯤;夏靖波;張曉燕;付凱;申健;;基于隨機(jī)森林的流量多特征提取與分類研究[J];傳感器與微系統(tǒng);2016年12期

6 張燕;;基于本質(zhì)特征和網(wǎng)絡(luò)特征的信用卡欺詐檢測(cè)[J];微型電腦應(yīng)用;2016年12期

7 陶志奇;;數(shù)據(jù)挖掘分類算法在產(chǎn)品分類中的應(yīng)用與研究[J];現(xiàn)代商業(yè);2016年34期

8 王江;孫美鳳;張煒;何萍;;基于行為知識(shí)空間的多分類器網(wǎng)絡(luò)流量分類方法[J];揚(yáng)州大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年04期

9 羅新;;基于隨機(jī)森林的文本分類模型研究[J];農(nóng)業(yè)圖書情報(bào)學(xué)刊;2016年11期

10 徐天賀;馬媛媛;徐久成;;一種基于鄰域互信息最大化和粒子群優(yōu)化的特征基因選擇方法[J];小型微型計(jì)算機(jī)系統(tǒng);2016年08期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 劉元寧;王剛;朱曉冬;趙正東;陳慧靈;邢，

本文編號(hào)：2124017