基于最小二乘支持向量机微阵列基因特征分类

论文摘要

基因表达分析中的微阵列数据具有高维、高冗余的特点,给基因表达数据分类带来很大的困难。机器学习中的最小二乘支持向量机算法具有计算效率高的优势,从而为数据挖掘提供了一条有效途径。针对两类典型的癌症微阵列数据集(结肠癌集和白血病集),进行归一化预处理并且计算其相关系数矩阵;使用主成分分析法进行降维处理,得到用于特征选取和分类的信息基因集(各取10个基因);采用最小二乘支持向量机分类器对信息基因集进行分类。实验结果表明,该算法在两类癌症数据集上的留一交叉检验的准确率分别为97.5%和100%,具有比其他分类器都高的测试准确率,为进一步医学临床应用提供可靠的诊断依据。

论文目录

• 0 引 言
• 1 问题描述
• 2 SVM和LS-SVM
• 3 算法实现
•   3.1 数据预处理
•   3.2 相关系数矩阵
•   3.3 提取主成分分量
• 4 仿真实验
•   4.1 实验数据及开发环境
•   4.2 实验结果分析
•     实验1 结肠癌数据集分类
•     实验2 白血病数据集分类
• 5 结 语

文章来源

类型: 期刊论文

作者: 高振斌

关键词: 微阵列,特征分类,降维,最小二乘支持向量机

来源: 计算机应用与软件 2019年08期

年度: 2019

分类: 信息科技,基础科学

专业: 生物学,自动化技术

单位: 西安财经大学统计学院数学与应用数学研究所

分类号: Q811.4;TP18

页码: 288-292

总页数: 5

文件大小: 559K

下载量: 180