本文關(guān)鍵詞：K-S檢驗與mRMR相結(jié)合的基因選擇算法

  更多相關(guān)文章： 基因選擇 K-S檢驗 最小見余最大相關(guān) 支持向量機 F_measure AUC RELIEF FAST

【摘要】：為了解決基因數(shù)據(jù)集的基因選擇難題,提出一種基于K-S檢驗與最小冗余最大相關(guān)(minimum redundancy-maximum relevance,mRMR)原則的基因選擇算法。該算法先采用K-S檢驗選擇出具有一定區(qū)分能力的基因,然后對選擇到的基因進行mRMR判斷,保留與類別高度相關(guān)而其間相關(guān)性較小的基因構(gòu)成最終被選基因子集。以SVM為分類器,以F1_measure、分類準確率和AUC為評價指標對該算法選擇的基因子集進行評估,并將本算法與K-S檢驗、mRMR,以及經(jīng)典的RELIEF和FAST算法進行比較。五個經(jīng)典基因數(shù)據(jù)集上的平均實驗結(jié)果表明:本算法的運行時間遠低于mRMR算法,且其各項評價指標值優(yōu)于其他比較算法。因此,提出的K-S檢驗與mRMR結(jié)合的基因選擇算法能選擇到非常有效的基因子集。
【作者單位】： 陜西師范大學計算機科學學院;陜西師范大學生命科學學院;
【關(guān)鍵詞】： 基因選擇 K-S檢驗 最小見余最大相關(guān) 支持向量機 F_measure AUC RELIEF FAST
【基金】：陜西省科技攻關(guān)項目(2013K12-03-24) 國家自然科學基金資助項目(31372250) 中央高校基本科研業(yè)務費專項資金項目(GK201503067)
【分類號】：Q811.4;TP181
【正文快照】： 0引言基因微陣列技術(shù)加速了高維小樣本基因數(shù)據(jù)集的產(chǎn)生。分析基因數(shù)據(jù)以挖掘其隱含的信息是當前生物信息學研究的重點[1,2]�；驍�(shù)據(jù)分析包括基因數(shù)據(jù)獲取、基因數(shù)據(jù)預處理、基因選擇、分類模型建立與評估四個步驟[3]。其中,基因數(shù)據(jù)獲取是生物醫(yī)學過程,其他步驟則是數(shù)據(jù)挖，

本文編號：784568