| 基于偏最小二乘与极大间距准则的微阵列分类 |
| |
| 引用本文： | 胡煜,阳文辉.基于偏最小二乘与极大间距准则的微阵列分类[J].中山大学学报(自然科学版),2008,47(4). |
| |
| 作者姓名： | 胡煜 阳文辉 |
| |
| 作者单位： | 1. 广东工贸职业技术学院,广东,广州,510510
2. 中山大学数学与计算科学学院,广东,广州,510275 |
| |
| 基金项目： | 国家自然科学基金资助项目
,
广东省自然科学基金资助项目
,
教育部"新世纪优秀人才支持计划"资助项目 |
| |
| 摘 要： | 针对基因表达数据中的高维小样本问题，提出了一种两阶段的识别框架：“偏最小二乘法(PLS)+极大间距准则(MMC）”。该方法首先使用PLS算法提取出带有分类信息的特征，然后使用MMC准则对样本进行分类。在六个公共的基因数据库上与一些常见的基因分类方法相比较，结果显示了该方法对基于基因表达数据的肿瘤分类有效且稳定。
|
| 关 键 词： | 微阵列数据 基因选择 特征提取 偏最小二乘 极大间距准则 |
| 收稿时间： | 2007-12-01; |
Tumor Classification by Partial Least Squares and Maximal Margin Criterion Using Gene Expression Data |
| |
| HU Yu,YANG Wen hui.Tumor Classification by Partial Least Squares and Maximal Margin Criterion Using Gene Expression Data[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2008,47(4). |
| |
| Authors: | HU Yu YANG Wen hui |
| |
| Institution: | (1.Guangdong Vocational College of Industry &; Commerce, Guangzhou 510510,China;2.Department of Mathematics,Sun Yat sen University, Guangzhou 510275,China) |
| |
| Abstract: | In order to deal with the high dimensional and small sample size problem of gene expression data, a new two phrase framework based on PLS and MMC is developed. this procedure involves feature extraction using partial least squares (PLS) and classification using maximal margin criterion (MMC). The proposed method is applied to six public microarray data sets. Experimental results demonstrate that this method is an effective and stable discrimination approach for tumor classification with gene expression data. |
| |
| Keywords: | microarray data gene selection feature extraction partial least squares maximal margin criterion |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《中山大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《中山大学学报(自然科学版)》下载免费的PDF全文 |
