文献类型：期刊文章

作　　者：叶明全[1,2] 高凌云[1] 伍长荣[3] 黄道斌[1,2] 胡学钢[4]

Ye Mingquan1,2 , Gao Lingyun1 , Wu Changrong3 , Huang Daobin1,2 , Hu Xuegang4(1. School of Medical Information, Wannan Medical College, Wuhu, 241002, China; 2. Research Center of I Iealth Big Data Mining and Applications, Wannan Medical College, Wuhu, 241002, China; 3. School of Computer and Information, Anhui Normal University, Wuhu, 241002, China; 4. School of Computer and Information, Hefei University of Technology, IIefei, 230009, Chi n)

机构地区：[1]皖南医学院医学信息学院,芜湖241002 [2]皖南医学院健康大数据挖掘与应用研究中心,芜湖241002 [3]安徽师范大学计算机与信息学院,芜湖241002 [4]合肥工业大学计算机与信息学院,合肥230009

出　　处：《数据采集与处理》

基　　金：国家自然科学基金(61672386)资助项目;安徽省自然科学基金(1708085MF142)资助项目;教育部人文社会科学研究规划基金(16YJAZH071)资助项目;安徽高校省级自然科学研究重点基金(KJ2014A266;KJ2016A275)资助项目;安徽高校人文社会科学研究重点基金(SK2016A0953;SK2016A0964)资助项目

年　　份：2018

卷　　号：33

期　　号：3

起止页码：426-435

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：基因表达谱中信息基因选择是有效建立肿瘤分类模型的关键问题。肿瘤基因表达谱具有高维小样本、噪声大且存在大量无关和冗余基因等特点。为了获得基因数量尽可能少而分类能力尽可能强的一组信息基因,提出一种基于对称不确定性和邻域粗糙集的肿瘤分类信息基因选择SUNRS方法。首先利用对称不确定性指标评估信息基因的重要度,以剔除大量无关和冗余基因,获取信息基因的候选子集;然后利用邻域粗糙集约简算法对信息基因候选子集进行寻优,获得信息基因的目标子集。实验结果表明,SUNRS方法能够用较少的信息基因获得更高的分类精度,从而既能改善算法的泛化性能,又能提高时间效率。

关 键 词：基因表达谱 邻域粗糙集 对称不确定性  特征选择  肿瘤分类

分 类 号：TP18]