一种用于基因表达数据分类的组合特征选择和神经网络集成方法
近来基于基因芯片数据构造有效的分类器在肿瘤分类问题上受到广泛的关注.其中应用了多种特征选择机制和分类器设计策略.然而,绝大多数研究仅仅在某一数据集上应用某种的技术.本文试图结合神经网络集成用一种组合特征选择的方法普遍地提高了样本分类的准确率和鲁棒性.基于近来的几个公共数据集,与目前方法的最好结果相比较,我们得到了显著提高的分类结果.因此,我们相信我们的方法能获得基因芯片数据的更多有利于分类的有用信息,并且能够发现有关疾病的内在标志基因,以利于更好的诊断和治疗.
基因芯片 特征选择 集成神经网络 交叉验证
刘冰 崔庆华 蒋田仔 马颂德
中科院自动化研究所模式识别国家重点实验室
国内会议
北京
中文
420-431
2005-03-01（万方平台首次上网日期，不代表论文的发表时间）