rL-GenSVM swMATH ID: 34760 软件作者： 康川泽；霍彦浩；Xin、Lihui；田宝光；于斌 描述： 使用松弛拉索和广义多类支持向量机对微阵列数据进行特征选择和肿瘤分类。目前，基因表达数据的研究为肿瘤分子水平的诊断提供了参考。从高维和小样本的基因表达数据中选择与分类相关的特征基因，并成功地分离出肿瘤的不同亚型或正常与患者之间的亚型，是一项具有挑战性的任务。本文提出了一种新的肿瘤分类方法——松弛Lasso（最小绝对收缩和选择算子）和广义多类支持向量机（rL-GenSVM）。首先对肿瘤数据集进行z值归一化。其次，利用松弛拉索选择训练集上的特征基因集，最后使用广义多类支持向量机（GenSVM）作为分类器。我们选择了四个两类数据集和四个多类数据集进行实验。并使用四个分类器对测试集上的分类精度进行预测和比较。为了与其他提出的方法进行比较，我们通过对每个数据集的所有样本进行10倍交叉验证，获得了令人满意的分类精度。实验结果表明，本文提出的方法选择的特征基因较少，分类精度较高。rL-GenSVM使用正则化参数避免过拟合，可广泛应用于高维和小样本肿瘤数据分类。源代码和所有数据集都可以在url上找到{https://github.com/QUST-AIBBDRC/rL-GenSVM/}. 主页： https://www.sciencedirect.com/science/article/abs/pii/S0022519318306003 源代码： https://github.com/QUST-AIBBDRC/rL-GenSVM/ 关键词： 肿瘤分类；基因表达数据；特征基因；放松的拉索；广义多类支持向量机 相关软件： github；收益率；促进；BCD森林；SGL-SVM（支持向量机）；格尔姆奈特；洛里斯；GenSVM（通用支持向量机） 引用于： 2文件 标准条款 1出版物描述软件，包括1出版物以zbMATH为单位 年份 使用松弛Lasso和广义多类支持向量机对微阵列数据进行特征选择和肿瘤分类。 Zbl 1406.92192号康川泽；霍彦浩；辛、李辉；田宝光；于斌 2019 全部的 前5名7位作者引用 2 霍彦浩 2 康川泽 2 辛、李辉 2 于斌 1 马，秦 1 田宝光 1 王明辉 连载1篇 2 理论生物学杂志 在3个字段中引用 2 统计学（62-XX） 2 生物学和其他自然科学（92-XX） 1 计算机科学（68至XX） 按年份列出的引文