摘要:该文提出一种用于多类型癌症分子分型的演化超网络模式识别方法。首先采用“一对多”方法,将一个多类分型问题转化为多个二类分型问题;然后利用信噪比方法对DNA微阵列数据进行信息基因选择;经过超网络对训练集的演化学习,构造一系列二类分类器并进行集成,最终构建一个多类型癌症分型系统并对待测样本进行分类。对急性白血病、儿童小圆蓝细胞肿瘤和GCM数据集实验结果表明:演化超网络留一交叉验证(LOOCV)识别率分别为:98.61%,100%和85.35%。演化超网络有利于挖掘癌症相关基因,具有良好的学习结果可读性。
关键词:模式识别 机器学习 演化超网络 微阵列 癌症多类型分类
单位:计算智能重庆市重点实验室(重庆邮电大学) 重庆400065 韩国仁荷大学信息与通信工程系 仁川402—751
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社