计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2014年
10期
291-294,316
,共5页
特征基因选择%ReliefF算法%邻域粗糙集模型%差分进化算法
特徵基因選擇%ReliefF算法%鄰域粗糙集模型%差分進化算法
특정기인선택%ReliefF산법%린역조조집모형%차분진화산법
Feature gene selection%ReliefF algorithm%Neighborhood rough set model%Differential evolution algorithm
DNA微阵列技术可以同时检测细胞内成千上万的基因的活性,被广泛应用于重大基因疾病的临床诊断.然而微阵列数据通常具有高维小样本特点,且存在大量噪声和冗余基因.为了进一步提高微阵列数据分类性能,提出一种特征基因混合选择算法.首先采用ReliefF算法剔除大量无关基因,获得特征基因候选子集;然后采用基于差分进化算法优化的邻域粗糙集模型实现特征基因选择;最后利用支持向量机进行分类,以验证算法的有效性.仿真实验结果表明,该算法能用尽可能少的特征基因来获得更高的分类精度,既增强了算法的泛化性能,又提高了时间效率,而且对致病基因的临床诊断有着重要的参考意义.
DNA微陣列技術可以同時檢測細胞內成韆上萬的基因的活性,被廣汎應用于重大基因疾病的臨床診斷.然而微陣列數據通常具有高維小樣本特點,且存在大量譟聲和冗餘基因.為瞭進一步提高微陣列數據分類性能,提齣一種特徵基因混閤選擇算法.首先採用ReliefF算法剔除大量無關基因,穫得特徵基因候選子集;然後採用基于差分進化算法優化的鄰域粗糙集模型實現特徵基因選擇;最後利用支持嚮量機進行分類,以驗證算法的有效性.倣真實驗結果錶明,該算法能用儘可能少的特徵基因來穫得更高的分類精度,既增彊瞭算法的汎化性能,又提高瞭時間效率,而且對緻病基因的臨床診斷有著重要的參攷意義.
DNA미진렬기술가이동시검측세포내성천상만적기인적활성,피엄범응용우중대기인질병적림상진단.연이미진렬수거통상구유고유소양본특점,차존재대량조성화용여기인.위료진일보제고미진렬수거분류성능,제출일충특정기인혼합선택산법.수선채용ReliefF산법척제대량무관기인,획득특정기인후선자집;연후채용기우차분진화산법우화적린역조조집모형실현특정기인선택;최후이용지지향량궤진행분류,이험증산법적유효성.방진실험결과표명,해산법능용진가능소적특정기인래획득경고적분류정도,기증강료산법적범화성능,우제고료시간효솔,이차대치병기인적림상진단유착중요적삼고의의.
