×
Seo，Minseok公司;哦，世宗

衍生人工基因以提高基因选择时的分类准确性。 （英语） Zbl 1244.92044号

计算。生物化学。 36, 1-12 (2012).
摘要：自1936年以来，分类分析一直在不断发展。由于KNN、ANN和SVM等分类器的发展，以及通过数据预处理领域，这一研究领域取得了进步。在分类工作之前，需要对非常高维的数据（如微阵列）进行特征（基因）选择。特征选择的目标是选择信息特征子集，以减少处理时间并提供更高的分类精度。我们为微阵列数据设计了一种人工基因生成（AGM）方法，以提高分类准确性。我们的人工基因来源于整个微阵列数据集，并结合基因选择结果进行分类分析。我们实验证实，插入人工基因后，分类准确度有了明显提高。我们的人工基因在流行的特征（基因）选择算法和分类器中运行良好。该方法可以应用于任何类型的高维数据集。

引用于1文件

MSC公司：

92天10分 遗传学和表观遗传学
62H30型 分类和区分；聚类分析（统计方面）
92C40型 生物化学、分子生物学
62页第10页 统计学在生物学和医学中的应用；元分析

软件：

FeaLect公司;UCI-毫升;减压阀F;伦敦银行支持向量机
PDF格式BibTeX公司 XML格式引用
\textit{M.Seo}和\textit{S.Oh}，计算。生物化学。36、1-12（2012；Zbl 1244.92044）
全文： 内政部

参考文献：

[1] 本吉奥，Y。；Grandvalet，Y.，《K倍交叉验证方差的无偏估计》，《机器学习研究杂志》，5，1089-1105（2004）·Zbl 1222.68145号
[2] Breiman，L.，打包预测，机器学习，24，2，123-140（1996）·Zbl 0858.68080号
[3] Chang，C.，Lin，C.LIBSVM-支持向量机库。网址：http://www.csie.ntu.edu.tw/∼;cjlin/libsvm/；Chang，C.，Lin，C.LIBSVM-支持向量机库。网址：http://www.csie.ntu.edu.tw/∼;cjlin/libsvm/
[4] 盖，T。；Hart，P.，最近邻模式分类，IEEE Transactions（1967）·Zbl 0154.44505号
[5] Devijver；Kittler，《模式识别：统计方法》（1982），普伦蒂斯·霍尔：普伦蒂斯霍尔伦敦·Zbl 0542.68071号
[6] 丁，C。；Peng，H.，从微阵列基因表达数据中选择最小冗余特征，（IEEE计算机学会生物信息学会议论文集（2003），IEEE计算机协会），523页
[7] Fukunaga，K.，《统计模式识别导论》（1990），学术出版社：纽约学术出版社·Zbl 0711.62052号
[8] Golub，T.R。；Slonim，D.K。；Tamayo，P。；华德，C。；加森贝克，M。；梅西洛夫，J.P。；科勒，H。；Loh，M.L。；唐宁，J.R。；Caligiuri，医学硕士。；布鲁姆菲尔德，哥伦比亚特区。；Lander，E.S.，《癌症的分子分类：通过基因表达监测进行分类发现和分类预测》，《科学》，2865439531（1999）
[9] Gorman，R.P。；Sejnowski，T.J.，《训练用于分类声纳目标的分层网络中隐藏单元的分析》，神经网络，175-89（1988）
[10] Hoshida，Y。；布鲁内特，J.P。；Tamayo，P。；Golub，T.R。；Mesirov，J.P.，《子类映射：识别独立疾病数据集中的常见亚型》，《公共科学图书馆·综合》，第2期，第11期，第1195页（2007年）
[11] Hoshida，Y.，《最近模板预测：基于单样本的灵活类预测与置信度评估》，《公共科学图书馆·综合》，5，11，e15543（2010）
[12] Lachenbruch，P.A。；Goldstein，M.，判别分析，生物统计学，35，1（1979）·Zbl 0404.62033号
[13] Lee，J.，Nomin，B.，Oh，S.RFS：基于R值的高效特征选择方法。生物学和医学计算机，提交出版。；Lee，J.，Nomin，B.，Oh，S.RFS：基于R值的高效特征选择方法。生物学和医学计算机，提交出版。
[14] 梁，J。；Yang，S。；Winstanley，A.，《不变最优特征选择：基于距离判别和特征排名的解决方案》，模式识别，41429-1439（2008）·Zbl 1140.68470号
[15] Notterman1，D.A。；阿龙，美国。；Sierk，A.J。；Levine，A.J.，通过寡核苷酸阵列检测的结直肠腺瘤、腺癌和正常组织的转录基因表达谱，癌症研究，613124（2001）
[16] Oh，S.，基于类别重叠的新特征评估方法，《生物与医学中的计算机》，41，2，115-122（2011）
[17] 冈田，T。；Tomita，S.，判别分析的最佳正交系统，模式识别，18，2，139-144（1985）
[18] 帕帕克里斯托迪斯，G。；双歧杆菌，S。；Mitkas，P.A.，SoFoCles：基于基因本体的微阵列分类特征过滤，生物医学信息学杂志，43，1-14（2010）
[19] 华盛顿州帕克。；El-Sharkawi，医学硕士。；马克斯，R.J。；阿特拉斯，L.E。；Damborg，M.J.，使用人工神经网络进行电力负荷预测，IEEE汇刊（1991）
[20] Robnik-Sikonja，M。；Kononenko，I.，ReliefF和RReliefF的理论实证分析，机器学习，53，23-69（2003）·Zbl 1076.68065号
[21] Schapire，R.E.，机器学习的增强方法概述，（MSRI非线性估计和分类研讨会（2001））·Zbl 1142.62372号
[22] Schölkopf，B。；Smola，A。；Müller，K.R.，作为核特征值问题的非线性分量分析，神经计算，10，5，1299-1319（1998）
[23] 斯皮拉，A。；Beane，J。；沙阿，V。；刘，G。；Schembri，F。；杨，X。；Palma，J。；Brody，J.S.，香烟烟雾对人气道上皮细胞转录组的影响，核酸研究，101，7月（27日），10143-10148（2004年）
[24] Tamayo，P。；Scanfeld，D。；Ebert，B.L。；Gillette，医学硕士。；罗伯茨，C.W.M。；Mesirov，J.P.，跨平台元基因投影，全球转录状态的跨物种表征，PNAS，104，4月（14），5959-5964（2007）
[25] 曾国藩。；哦，M.K。；罗琳，L。；Liao，J.C。；Wong，W.H.，cDNA微阵列分析问题：质量过滤、通道归一化、变异模型和基因效应评估，核酸研究，29，12，2549-2557（2001）
[26] UCI机器学习库。http://archive.ics.uci.edu/ml; UCI机器学习库。http://archive.ics.uci.edu/ml
[27] 韦斯特，M。；布兰切特，C。；Dressman，H。；黄，E。；石田，S。；斯潘，R。；Zuzan，H。；奥尔森·J·A。；马克斯，J.R。；Nevins，J.R.，《利用基因表达谱预测人类乳腺癌的临床状态》，《国家科学院学报》，98，11462-11467（2001）
[28] Zare，H.，2010年。FeaLect：通过计算统计分数进行特征选择。网址：http://cran.rakanu.com; Zare，H.，2010年。FeaLect：通过计算统计分数进行特征选择。网址：http://cran.rakanu.com
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。