本文選題：基因選擇　切入點(diǎn)：差異表達(dá)基因　出處：《陜西師范大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年01期 　論文類型：期刊論文

【摘要】：針對(duì)ARCO(AUC and rank correlation coefficient optimization)算法在進(jìn)行兩類問題特征選擇時(shí),采用斯皮爾曼等級(jí)相關(guān)系數(shù)度量已選特征子集冗余性帶來信息損失和特征相關(guān)性與冗余性度量取值范圍不一致的缺陷,提出改進(jìn)的Pearson相關(guān)系數(shù)度量特征冗余性,并歸一化特征相關(guān)性和冗余性度量范圍,得到APCO(AUC and improved Pearson correlation coefficient optimization)算法以克服ARCO算法的不足。同時(shí),針對(duì)實(shí)現(xiàn)多類特征選擇的MAUCD(using MAUC as the relevance metric to rank features directly)和MDFS(MAUC decomposition based feature selection method)算法沒有考慮特征冗余,且MDFS易選擇到局部最優(yōu)特征子集的問題,提出適于多類問題的改進(jìn)Pearson相關(guān)系數(shù)度量特征冗余性,得到基于mRMR(maximal relevance-minimal redundancy)框架的MAUCP和MDFSP算法,克服MAUCD和MDFS算法的缺陷。以SVM、NB和KNN為分類工具,構(gòu)造基于所選特征子集的相應(yīng)分類器,以其AUC(MAUC)值度量相應(yīng)特征子集的性能。7個(gè)二類和3個(gè)多類不平衡基因數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明:提出的APCO、MAUCP和MDFSP算法分別優(yōu)于ARCO、MAUCD和MDFS算法,也優(yōu)于其他經(jīng)典基因選擇算法。
[Abstract]:Aiming at the defects of the ARCO(AUC and rank correlation coefficient optimization algorithm, which uses the Spelman rank correlation coefficient to measure the redundancy of the selected feature subset, the information loss and the inconsistent range of the feature correlation and redundancy measures are obtained when the ARCO(AUC and rank correlation coefficient optimization algorithm is used to select the two kinds of features. This paper proposes an improved Pearson correlation coefficient to measure feature redundancy, and normalizes the measurement range of feature correlation and redundancy, and obtains the APCO(AUC and improved Pearson correlation coefficient optimization algorithm to overcome the shortcomings of ARCO algorithm. To solve the problem that MAUCD(using MAUC as the relevance metric to rank features directly) and MDFS(MAUC decomposition based feature selection method realize multi-class feature selection without considering feature redundancy, MDFS is easy to select to the locally optimal feature subset. An improved Pearson correlation coefficient for multi-class problems is proposed to measure feature redundancy. The MAUCP and MDFSP algorithms based on the framework of mRMR(maximal relevance-minimal are proposed to overcome the shortcomings of the MAUCD and MDFS algorithms. SVMNB and KNN are used as classification tools. A corresponding classifier based on the selected feature subset is constructed, and the performance of the corresponding feature subset is measured by its AUCMAUC value. The experimental results of 7 classes and 3 classes of unbalanced gene data sets show that the proposed algorithms are superior to ARCOOMAUCD and MDFS algorithms, respectively. It is also superior to other classical gene selection algorithms.
【作者單位】： 陜西師范大學(xué)計(jì)算機(jī)科學(xué)學(xué)院;
【基金】：陜西省科技攻關(guān)項(xiàng)目(2013K12-03-24) 國家自然科學(xué)基金(61673251) 中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金(GK201503067)
【分類號(hào)】：Q811.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳勃杭;王巍;;追問“基因選擇”[J];哲學(xué)分析;2013年02期

2 許文龍;王立榮;張相華;馮煥清;;基于腫瘤基因表達(dá)數(shù)據(jù)的簡單有效的基因選擇算法(英文)[J];中國科學(xué)技術(shù)大學(xué)學(xué)報(bào);2009年08期

3 段旭;高尚;;微陣列基因選擇約簡方法[J];電子設(shè)計(jì)工程;2011年21期

4 黃海燕;;高矮胖瘦由你說[J];大眾科技;1999年08期

5 張軍英,Y.J.Wang,J.Khan,R.Clarke;基于類別空間的基因選擇[J];中國科學(xué)E輯:技術(shù)科學(xué);2003年12期

6 李小波;;多步驟降維的腫瘤特征基因選擇方法[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2008年04期

7 楊昆;徐靜;張彥斌;;基因選擇的0-1規(guī)劃模型和算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年20期

8 陳留院;穆曉霞;李鈞濤;;基于自適應(yīng)雙正則化支持向量機(jī)的群體基因選擇[J];鄭州大學(xué)學(xué)報(bào)(理學(xué)版);2014年01期

9 黃海燕;;胖瘦將由你掌握——人類未來飲食的重大變革[J];大科技;1999年05期

10 張軍英;劉申嶺;Yue Wang;;基于支持向量機(jī)和多層感知器的多病類診斷基因選擇方法[J];自然科學(xué)進(jìn)展;2007年10期

相關(guān)會(huì)議論文 前3條

1 任偉;閆桂英;;利用聚類算法來研究基因選擇問題[A];中國運(yùn)籌學(xué)會(huì)第八屆學(xué)術(shù)交流會(huì)論文集[C];2006年

2 張春美;;守望生命,關(guān)注人的尊嚴(yán)——基因倫理的若干熱點(diǎn)問題[A];中國的遺傳學(xué)研究——中國遺傳學(xué)會(huì)第七次代表大會(huì)暨學(xué)術(shù)討論會(huì)論文摘要匯編[C];2003年

3 李卉卉;袁谷;;血管內(nèi)皮生長因子(VEGF)基因啟動(dòng)子區(qū)G-四鏈體識(shí)別的研究[A];第六屆全國化學(xué)生物學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2009年

相關(guān)重要報(bào)紙文章 前2條

1 鄭詩亮;薛人望談基因與生命[N];東方早報(bào);2011年

2 本報(bào)記者 章勇;基因選擇和飼養(yǎng)管理可改善羊肉顏色[N];中國畜牧獸醫(yī)報(bào);2014年

相關(guān)碩士學(xué)位論文 前7條

1 高紅超;基于聚類的基因選擇算法和DPC聚類算法研究[D];陜西師范大學(xué);2015年

2 周萍;基于頻度與聯(lián)合效應(yīng)的基因選擇[D];西安電子科技大學(xué);2009年

3 曹濤;基于聚類的混合基因選擇方法研究[D];湖南大學(xué);2011年

4 姬翔;基于SVM的多病類診斷基因選擇方法研究[D];西安電子科技大學(xué);2005年

5 吳希賢;基于優(yōu)化算法的基因選擇與癌癥分類[D];湖南大學(xué);2008年

6 劉申嶺;基于SVM的基因選擇[D];西安電子科技大學(xué);2004年

7 陸燕;基于啟發(fā)式聚類的混合特征基因選擇方法研究[D];湖南大學(xué);2010年

，

本文編號(hào)：1571532