基于高斯过程的DNA微阵列分类算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (33): 26-29.

基于高斯过程的DNA微阵列分类算法

任江洪，韩露

重庆大学自动化学院，重庆 400044

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-21 发布日期:2011-11-21

Classification algorithm for DNA microarray based on Gaussian process

REN Jianghong，HAN Lu

Automation College，Chongqing University，Chongqing 400044，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-21 Published:2011-11-21

摘要/Abstract

摘要： 基于高斯过程对分类过程进行建模，给出了一种基于高斯过程的DNA微阵列分类算法。作为一种贝叶斯分类方法，该方法能够给出分类的概率，并能将过往的正确诊断信息，纳入到分类模型中，实现分类模型的不断优化。该方法能够基于主样本进行训练空间的维度消减，较好地解决了由于样本的加入造成的维度不断增加的问题。通过和几种常用分类算法的实验对比分析，证明了该方法具有较高的分类准确性。

关键词: 微阵列, 高斯过程, 分类, 统计学习, 贝叶斯方法

Abstract: A DNA microarray classification method based on Gaussian process is proposed.The method is a Bayesian classification algorithm that can give classification probability.The historical classification results can be easily added to the model to improve the model performance.In order to cope with the dimension increase，a dimensionality reduction method based on the principal samples is proposed.The method’s feasibility and effectiveness are proved in the comparison with several important classification methods.

Key words: microarray, Gaussian process, classification, statistical learning, Bayesian method

任江洪，韩露. 基于高斯过程的DNA微阵列分类算法[J]. 计算机工程与应用, 2011, 47(33): 26-29.

REN Jianghong，HAN Lu. Classification algorithm for DNA microarray based on Gaussian process[J]. Computer Engineering and Applications, 2011, 47(33): 26-29.

[1]	王永贵，李倩玉. 基于KNN-GBDT的混合协同过滤推荐算法[J]. 计算机工程与应用, 2021, 57(9): 103-108.
[2]	杨春霞，李欣栩，吴佳君，刘天宇. 基于注意力交互机制的层次网络情感分类[J]. 计算机工程与应用, 2021, 57(9): 134-139.
[3]	张韩钰，吴志昊，徐勇，陈斌. 增强卷积神经网络的人脸篡改检测方法[J]. 计算机工程与应用, 2021, 57(8): 220-224.
[4]	李俊丽. Spark平台下类别数据互信息计算的并行化[J]. 计算机工程与应用, 2021, 57(7): 95-100.
[5]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[6]	霍光煜，张勇，孙艳丰，尹宝才. 基于语义的档案数据智能分类方法研究[J]. 计算机工程与应用, 2021, 57(6): 247-253.
[7]	韩东方，吐尔地·托合提，艾斯卡尔·艾木都拉. 问答系统中问句分类方法研究综述[J]. 计算机工程与应用, 2021, 57(6): 10-21.
[8]	黄金杰，蔺江全，何勇军，何瑾洁，王雅君. 局部语义与上下文关系的中文短文本分类算法[J]. 计算机工程与应用, 2021, 57(6): 94-100.
[9]	李硕，梁毅. 面向Spark的批处理应用执行时间预测模型[J]. 计算机工程与应用, 2021, 57(5): 79-87.
[10]	王凤琴，柯亨进. 卷积神经网络及其分析在抑郁症判别中的应用[J]. 计算机工程与应用, 2021, 57(5): 245-250.
[11]	陶体伟，刘明霞，王明亮，王琳琳，杨德运，张强. 基于有效距离的低秩表示[J]. 计算机工程与应用, 2021, 57(4): 141-147.
[12]	郑诚，董春阳，黄夏炎. 基于BTM图卷积网络的短文本分类方法[J]. 计算机工程与应用, 2021, 57(4): 155-160.
[13]	佘海龙，解山娟，邹静洁. 标准分数降维的3D-CNN高光谱遥感图像分类[J]. 计算机工程与应用, 2021, 57(4): 169-175.
[14]	于多，黄永东. 基于SPCA和域变换递归滤波的高光谱图像分类[J]. 计算机工程与应用, 2021, 57(4): 199-208.
[15]	万亚玲，钟锡武，刘慧，钱育蓉. 卷积神经网络在高光谱图像分类中的应用综述[J]. 计算机工程与应用, 2021, 57(4): 1-10.