基于人工蜂群和SVM的基因表达数据分类
叶明全,高凌云,万春圆皖南医学院健康大数据挖掘与应用研究中心, 安徽 芜湖 241002
收稿日期:2017-05-09出版日期:2018-06-20发布日期:2017-05-09作者简介:叶明全(1973—),男,安徽当涂人,教授,博士,主要研究方向为数据挖掘与机器学习、生物医学信息学和健康医疗大数据等. E-mail:ymq@wnmc.edu.cn基金资助:国家自然科学基金资助项目(61672386);安徽省自然科学基金资助项目(1708085MF142);教育部人文社会科学研究规划基金资助项目(16YJAZH071);安徽高校省级自然科学研究重点基金资助项目(KJ2014A266)Gene expression data classification based on artificial bee colony and SVM
YE Mingquan, GAO Lingyun, WAN ChunyuanResearch Center of Health Big Data Mining and Applications, Wannan Medical College, Wuhu 241002, Anhui, China
Received:2017-05-09Online:2018-06-20Published:2017-05-09摘要/Abstract
摘要： 基因表达数据存在高维、小样本、高噪声等特性,使得相应的肿瘤分类诊断面临着一定的挑战。为了实现更加精确的分类准确率,利用人工蜂群(artificial bee colony, ABC)算法对支持向量机(support vector machine, SVM)的核函数参数和惩罚因子进行优化,采用准确率作为分类模型的适应度函数,提出一种基于ABC和SVM的基因表达数据分类方法ABC-SVM。在6种公开的肿瘤基因表达数据集上进行试验,并对比分析其他的分类方法。结果表明,在筛选得到的较少信息基因基础上,ABC-SVM可获得更高的肿瘤分类准确率,对肿瘤样本类型进行更有效的分类预测。
PDF全文下载地址:
http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=632
