基于集成分类器的肿瘤亚型识别研究
针对肿瘤基因表达谱样本少,维数高的特点,提出一种用于肿瘤信息基因提取和亚型识别的集成分类器算法.该算法根据基因的Fisher比率值建立候选子集,再采用相关系数和互信息两种度量方法,分别构造反映基因共表达行为和调控关系的特征子集.粒子群优化算法分别与SVM和KNN构成两个基分类器,从候选子集中提取信息基因并对肿瘤亚型进行分类,最后利用绝对多数投票方法对基分类器的结果进行整合.G.Gordon肺癌亚型识别的实验结果表明了该算法的可行性和有效性.
二进制粒子群优化算法、集成分类器、基因表达谱、信息基因、肿瘤分类
31
TP391(计算技术、计算机技术)
2010-05-05(万方平台首次上网日期,不代表论文的发表时间)
共4页
1063-1065,1069