SVM在基因微阵列癌症数据分类中的应用

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (34): 246-248.

• 工程与应用 • 上一篇

SVM在基因微阵列癌症数据分类中的应用

孟范静¹,刘毅慧¹,王洪国²,成金勇¹

1.山东轻工业学院信息科学与技术学院，济南 250353
2.山东省科学技术厅，济南 250011

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-01 发布日期:2007-12-01
通讯作者: 孟范静

Cancer classification for microarray gene data based on SVM

MENG Fan-jing¹,LIU Yi-hui¹,WANG Hong-guo²,CHENG Jin-yong¹

1.Department of Computer Science and Information Technology，Shandong Institute of Light Industry，Ji’nan 250353，China
2.Department of Science & Technology of Shandong Province，Ji’nan 250011，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-01 Published:2007-12-01
Contact: MENG Fan-jing

摘要/Abstract

摘要： 在总结二分类支持向量机应用的基础上，提出了利用t-验证方法和Wilcoxon验证方法进行特征选取，以支持向量机（SVM）为分类器，针对基因微阵列癌症数据进行分析的新方法，通过对白血病数据集和结肠癌数据集的分类实验，证明提出的方法不但识别率高，而且需要选取的特征子集小，分类速度快，提高了分类的准确性与分类速度。

关键词: 微阵列数据, 支持向量机, 癌症数据分类, 特征选取

Abstract: This paper analyzes microarray data based on support vector machine.T-test and Wilcoxon methods are used for feature selection and dimensionality reduction.Support vector machine is employed for the classification of microarray data.Experiments are performed on leukemia and colon sets.Good performance is achieved and this method also reduces computation time with small feature subset.

Key words: microarray data, Support Vector Machine（SVM）, cancer classification, feature selection

孟范静¹,刘毅慧¹,王洪国²,成金勇¹. SVM在基因微阵列癌症数据分类中的应用[J]. 计算机工程与应用, 2007, 43(34): 246-248.

MENG Fan-jing¹,LIU Yi-hui¹,WANG Hong-guo²,CHENG Jin-yong¹. Cancer classification for microarray gene data based on SVM[J]. Computer Engineering and Applications, 2007, 43(34): 246-248.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	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.
[3]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[4]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[5]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[6]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[7]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[8]	杨泉. N1+N2结构语法关系判定的SVM算法[J]. 计算机工程与应用, 2021, 57(20): 104-108.
[9]	高晋，赵云芃，Godfred Kim Mensah，李欣芸，刘志芬，陈俊杰，郭浩. 静息态功能脑连接的空间动态分析及分类研究[J]. 计算机工程与应用, 2021, 57(2): 150-155.
[10]	秦博宇，郝晓燕，刘永芳. 基于SVM和CRF双层模型的FrameNet框架消歧[J]. 计算机工程与应用, 2021, 57(18): 255-262.
[11]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.
[12]	温廷新，孔祥博. 不平衡样本下的金融市场极端风险预警研究[J]. 计算机工程与应用, 2020, 56(8): 256-260.
[13]	陈菲雨，岳文斌，饶颖露，邢金昊，马晓静. 基于改进TLD算法的无人机自主精准降落[J]. 计算机工程与应用, 2020, 56(7): 247-254.
[14]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.
[15]	张忠林，冯宜邦，赵中恺. 一种基于SVM的非均衡数据集过采样方法[J]. 计算机工程与应用, 2020, 56(23): 220-228.

SVM在基因微阵列癌症数据分类中的应用

Cancer classification for microarray gene data based on SVM

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics