文献类型：期刊文章

作　　者：朱明珠[1] 郭政[1] 李霞[1] 刘帅[1] 李彦辉[1] 高磊[1]

机构地区：[1]哈尔滨医科大学生物信息学系,哈尔滨150086

出　　处：《中国生物医学工程学报》

基　　金：国家自然科学基金资助项目(39970397;30170515;30370388);国家"863"计划(2002AA2Z2052;2003AA2Z2051);黑龙江科技攻关重点(GB03C6024);黑龙江自然科学基金资助项目(F0177);哈尔滨市科技攻关(2003AA3CS113);哈尔滨医科大学211工程"十五"建设项目

年　　份：2006

卷　　号：25

期　　号：2

起止页码：158-162

语　　种：中文

收录情况：BDHX、BDHX2004、CAS、CSCD、CSCD2011_2012、EMBASE、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：应用机器学习进行分类是基因功能预测的一种重要手段。但是许多预测集中的阳性样本过少,会降低功能预测的效果。针对此问题,本研究对结合支持向量机(SVM)算法的几种常用非平衡数据分类方法进行实验比较,包括投票整合分类器和移动分类面等。在此基础上提出通过加权修正投票的整合策略,以提高预测效果。实验结果显示,结合多数类样本限数取样及整合思想的投票整合法预测效果优于移动分类面法,而在投票整合法基础上的加权修正整合方法在所有方法中获得更好更稳定的结果。

关 键 词：支持向量机 功能预测  基因表达谱 不平衡

分 类 号：R318.08[生物医学工程类]