基于演化超网络的DNA微阵列数据分类方法

摘要：

为能够更好地从高特征维度的DNA微阵列数据中挖掘癌症相关基因,实现对恶性肿瘤的分子分型,提出了一种基于演化超网络模型的DNA微阵列数据分类方法.演化超网络是受生物网络启发而建立的一种认知学习模型,其学习过程非常适用于发掘基因间的相互作用.该方法采用信噪比进行基因选择,选择后的基因经归一化后用于演化超网络的学习和分类.通过急性白血病和结肠癌2种数据集进行实验,结果表明,演化超网络在分类精度方面与当前其他方法有较高的可比性.

关键词：癌症分子分型、信噪比基因选择、演化超网络、DNA微阵列

所属期刊栏目：26

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61203308;重庆市自然科学基金CSTC2012jjA40034;国家大学生创新创业训练计划资助项目201210617003;The National Natural Science Foundation of China61203308;The Natural Science Foundation Project of CQ CSTCCSTC2012jjA40034;The National Students Innovation and Enterpreneurship Training program201210617003

在线出版日期：2016-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：679-685