基于PCA和信息增益的肿瘤特征基因选择方法
- 分享到:
摘要:
针对肿瘤基因数据因维度高和冗余基因较多而导致分类精度低的问题,提出一种基于PCA和信息增益的肿瘤特征基因选择方法.该方法首先使用PCA算法剔除冗余基因,获得预选特征基因子集;然后利用信息增益算法对预选特征基因子集进行优化选取,得到特征基因子集;最后采用不同分类模型对特征基因子集进行仿真实验.实验结果表明,所提方法提高了基因表达谱的分类精度,从而表明致病基因被有效地选取出来.
Aiming at the low classification accuracy of tumor genetic data with the characterstic of high dimensional and unrelated genes,a tumor feature gene selection method based on PCA and information gain is proposed.Firstly,the PCA algorithm is used to eliminate miscellaneous genes and select the preselected feature gene subset in this method.Then,the information gain algorithm is used to optimize the subset of the preselected feature gene subset,and the feature gene subset is obtained.Finally,different sorting algorithms are used to simulate the feature gene subset.The experimental results show that the method proposed in this paper improves the classification accuracy of gene expression profile,thus indicating that the pathogenic gene is effectively selected.
作者:
徐久成 黄方舟 穆辉宇 王云 徐战威
机构地区:
betway官方app 计算机与信息工程学院河南省高校计算智能与数据挖掘工程技术研究中心
出处:
《betway官方app 学报：自然科学版》 CAS 北大核心 2018年第2期104-110,共7页
基金:
国家自然科学基金(61370169 60873104) 河南省科技攻关重点项目(142102210056 162102210261).
关键词:
基因分类 主成分分析 信息增益 特征选择
gene classification PCA information gain feature selection
分类号:
TP181 [自动化与计算机技术—控制理论与控制工程]
