基于PCA和多邻域粗糙集的肿瘤特征基因选择算法OA北大核心CSTPCD
Tumor Feature Gene Selection Method Based on PCA and Multiple Neighborhood Rough Set
针对邻域粗糙集采用全局邻域求解近似,存在计算时间复杂度高且无法对基因表达谱精确描述的问题,构造了基于主成分分析(PCA)和改进邻域粗糙集(NRS)算法的PNRS模型.首先采用PCA算法获得低维的特征基因空间;然后利用改进的多邻域粗糙集算法进行特征基因选择,即采用欧氏距离计算每列属性邻域值,选取所有属性邻域集合计算邻域决策系统的近似;最后采用启发式搜索算法选择特征基因子集.实验结果表明,PNRS模型能够在选择出较小的基因子集的情况下获得较高的分类精…查看全部>>
To solve the problems in higher time complexity and blurry description toward the gene expres-sion profile in the approximation calculation using the global neighborhood , an effective PNRS model was proposed based on principal component analysis (PCA) and neighborhood rough set (NRS).First of all, the low dimensional feature space was obtained by using PCA algorithm;then the multiple neighborhood rough set algorithm was adopted for feature gene selection , …查看全部>>
徐久成;穆辉宇;冯森
河南师范大学计算机与信息工程学院 河南新乡453007河南省高校计算智能与数据挖掘工程技术研究中心 河南新乡453007河南师范大学计算机与信息工程学院 河南新乡453007
信息技术与安全科学
特征选择主成分分析多邻域粗糙集欧氏距离
feature selectionprincipal component analysismultiple neighborhood rough setEuclidean distance
《郑州大学学报（理学版）》 2017 (4)
不确定性知识获取的粒计算方法及其应用研究
28-33,6
国家自然科学基金项目(61370169,61402153)河南省科技攻关重点项目(142102210056,162102210261)河南师范大学青年科学基金项目(2014QK28)河南省高等学校重点科研项目(16A520057).
评论