基因数据集混合特征选择算法研究

论文摘要

基因数据的特点是高维度、小样本、大噪声,在处理过程中容易造成维数灾难和过度拟合等问题。针对这种情况提出一种新的基因数据集的特征选择方法,第一步是通过ReliefF算法对基因特征进行权重重要度的筛选;第二步是对筛选过的特征集合进行mRMR算法判断,留下与目标类别高度相关而其间相关性较小的基因特征;第三步利用邻域粗糙集特征选择算法对简化后的基因数据集进行寻优处理,选出最优化的特征基因子集。为了证明新算法的有效性,以SVM为分类器,使用外部交叉验证法对整个过程来计算,从而验证本文新特征选择方法的有效性。

论文目录

• 1 相关理论
•   1.1 mRMR（最大相关最小冗余）算法
•   1.2 邻域粗糙集算法
•   1.3 特征选择的稳定性
• 2 结合mRMR和邻域粗糙集的特征选择方法
•   2.1 算法的实现流程
•   2.2 算法的具体描述
• 3 实验结果及分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 马国娟,吴辰文,刘文祎

关键词: 特征选择,算法,邻域粗糙集

来源: 测控技术 2019年10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: 兰州交通大学电子与信息学院

基金: 国家自然科学基金资助项目(61163010),兰州市科技计划资助项目(2015-2-99)

分类号: TP18;Q811.4

DOI: 10.19708/j.ckjs.2019.10.015

页码: 71-75

总页数: 5

文件大小: 222K

下载量: 80