基于PCA和多邻域粗糙集的肿瘤特征基因选择算法

发布时间：2018-08-04 19:07

【摘要】：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度,从而验证了该方法的有效性.
[Abstract]:In order to solve the problem of neighborhood rough set using global neighborhood approximation, which has high computational time complexity and cannot accurately describe gene expression profile, a PNRS model based on principal component analysis (PCA) and improved neighborhood rough set (NRS) algorithm is constructed. At first, PCA algorithm is used to obtain the low-dimensional feature gene space, and then the improved multi-neighborhood rough set algorithm is used to select the feature gene, that is, Euclidean distance is used to calculate the neighborhood value of each column attribute. All the attribute neighborhood sets are selected to calculate the approximation of the neighborhood decision system, and the heuristic search algorithm is used to select the subset of feature genes. The experimental results show that the PNRS model can obtain higher classification accuracy under the condition of selecting a small subset of genes, which verifies the effectiveness of the proposed method.
【作者单位】： 河南师范大学计算机与信息工程学院;河南省高校计算智能与数据挖掘工程技术研究中心;
【基金】：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)
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 周军,张庆灵,陈文实;覆盖粗糙集的一般化[J];东北大学学报;2004年10期

2 邱兆雷;范颖;王爱云;;粗糙集理论及进展[J];信息技术与信息化;2006年05期

3 徐伟华;张文修;;覆盖广义粗糙集的模糊性[J];模糊系统与数学;2006年06期

4 石杰;;粗糙集理论及其应用研究[J];科技信息;2008年33期

5 唐彬;;粗糙集理论和应用研究[J];内江科技;2008年03期

6 胡军;王国胤;;覆盖粗糙集的模糊度[J];重庆邮电大学学报(自然科学版);2009年04期

7 燕红文;康向平;张丽;;依赖空间与粗糙集理论[J];农业网络信息;2009年09期

8 林国平;;覆盖广义粗糙集与信任函数[J];漳州师范学院学报(自然科学版);2010年02期

9 王石平;祝峰;朱培勇;;基于抽象相关关系的粗糙集研究[J];南京大学学报(自然科学版);2010年05期

10 成新文;陈国超;李琦;;关于粗糙集的理论及应用研究[J];煤炭技术;2010年10期

相关会议论文 前10条

1 邹刚;滕书华;孙即祥;陈森林;敖永红;;一种粗糙集优化协同原型模式约简分类方法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

2 葛丽;傅彦;;粗糙集在科学数据属性约简中的应用[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

3 陈雪飞;;粗糙集分类中耦合数据的处理方法研究[A];2008年全国开放式分布与并行计算机学术会议论文集(上册)[C];2008年

4 肖健梅;芦晓明;王锡淮;;集装箱起重机防摇系统粗糙集控制[A];第二十六届中国控制会议论文集[C];2007年

5 王印松;冯康;;主汽温调节系统性能评价的粗糙集实现方法[A];第二十七届中国控制会议论文集[C];2008年

6 卓明;王丽珍;谭旭;;基于粗糙集近似集扩展的规则提取算法[A];第十七届全国数据库学术会议论文集（技术报告篇）[C];2000年

7 董广军;张永生;戴晨光;范永弘;;基于粗糙集的多源信息融合处理技术[A];第三届全国信息获取与处理学术会议论文集[C];2005年

8 李雄;李胜利;徐宗昌;;基于粗糙集理论的状态监测与故障诊断(英文)[A];第三届全国信息获取与处理学术会议论文集[C];2005年

9 袁瑗;黄河清;;基于粗糙集辅助推理的故障诊断专家系统[A];全国自动化新技术学术交流会会议论文集（一）[C];2005年

10 孙亮;杨飞;于建均;陈梅莲;;一种基于指数粗糙集合的变精度控制器应用研究[A];第25届中国控制会议论文集（下册）[C];2006年

相关博士学位论文 前10条

1 马希骜;概率粗糙集属性约简理论及方法研究[D];西南交通大学;2014年

2 唐孝;基于粗糙集的知识发现方法及其在ECG信号识别中的应用[D];电子科技大学;2015年

3 曾凯;邻域粒化粗糙计算的关键技术研究与应用[D];电子科技大学;2015年

4 王永生;基于粗糙集理论的动态数据挖掘关键技术研究[D];北京科技大学;2016年

5 马周明;基于边界域的多粒度粗糙集及其相关度量[D];河北师范大学;2017年

6 孔芝;粗糙集理论若干问题的研究与应用[D];东北大学;2009年

7 秦中广;基于粗糙集的交叉研究及其在中医诊断的应用[D];华南理工大学;2002年

8 刘少辉;知识发现中粗糙集理论的研究[D];中国科学院研究生院（计算技术研究所）;2003年

9 邓大勇;基于粗糙集的数据约简及粗糙集扩展模型的研究[D];北京交通大学;2007年

10 孙英娟;基于粗糙集的分类方法研究[D];吉林大学;2011年

相关硕士学位论文 前10条

1 江飞;粗糙集神经网络故障诊断方法研究[D];西安石油大学;2015年

2 张德齐;基于粗糙集理论的电机故障诊断方法研究[D];渤海大学;2015年

3 聂萌瑶;基于泛系串并模型的粗糙集概念扩展与拓扑空间[D];兰州大学;2015年

4 孙宇航;粗糙集属性约简方法在医疗诊断中的应用研究[D];苏州大学;2015年

5 车世远;基于群搜索优化粗糙集的脑科学数据研究[D];大连海事大学;2015年

6 边松珍;简易覆盖及基于覆盖的粗传播[D];山东大学;2015年

7 张雷;基于粗糙集和SVM的体域网健康评估方法研究[D];浙江师范大学;2015年

8 张宁;基于粗糙集的代价区间与多人三支决策的研究[D];浙江师范大学;2015年

9 樊兵娇;基于证据理论的知识发现与不确定性研究[D];重庆理工大学;2015年

10 程钰;基于粗糙集的属性选择系统的设计与实现[D];山西大学;2015年

，

本文编号：2164849