文献类型：期刊文章

作　　者：叶小泉[1] 吴云峰[1]

YE Xiaoquan;WU Yunfeng(Fujian Key Laboratory of Sensing and Computing for Smart City,School of Information Science and Engineering,Xiamen University,Xiamen361005,China)

机构地区：[1]厦门大学信息科学与技术学院,福建省智慧城市感知与计算重点实验室,福建厦门361005

出　　处：《厦门大学学报（自然科学版）》

基　　金：国家自然科学基金(61771331)

年　　份：2018

卷　　号：57

期　　号：5

起止页码：702-707

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、BIOSISPREVIEWS、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、INSPEC、JST、MR、PROQUEST、RCCSE、RSC、WOS、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：癌症通常由基因发生突变引起,因此从大量基因中有效地识别出少量致癌基因具有重要意义.针对基因表达谱数据高维小样本的特点,将支持向量机递归特征消除(SVM-RFE)和特征聚类算法相结合,提出一种新的基因选择方法:K类别SVM-RFE(K-SVM-RFE).该算法通过特征排序算法去除大量无关基因,利用K均值聚类算法将相似基因聚为一类,并通过两次SVM-RFE算法精选致癌基因.随后将K-SVM-RFE算法应用于多个基因表达谱数据集,并对其中的关键参数设置进行了讨论.实验结果表明K-SVM-RFE算法所选基因较已有方法在分类准确率上有显著提高,特别是在选择少量致癌基因上效果提升更为明显.

关 键 词：基因表达谱 特征选择  K均值聚类 支持向量机

分 类 号：TP391.4]