基于跨模态近邻流形散布的基因特征提取方法
王孟明
张志鹏
侯雅魁
安徽理工大学 计算机科学与工程学院,安徽 淮南 232001
摘要：为解决因基因表达数据维度高、样本少、噪声高等特点导致在基因分类研究中难以提取有效特征的问题,提出了跨模态近邻流形散布(cross-modal nearest neighbor manifold scatter,CNNMS)方法,在核方法基础上采用近邻数据的方式,从而进一步降低了类别不平衡对分类精度的影响.此外,基于近邻均值受异常点影响较小的特点,CNNMS方法把高维基因特征映射到核空间,将所有样本与其近邻样本之间距离均值定义为样本的近邻均值,使跨模态近邻流形散布子空间在最大程度上保持同类特征内部的聚集性.实验结果表明,CNNMS方法在肺癌基因表达数据集上的分类识别率超过 98%,在胃癌基因表达数据集上也获得了良好的分类识别率,相较于其他方法具有更好的分类能力.CNNMS方法在基因分类研究中表现出较高的识别率,对基因特征提取研究具有深远意义.
关键词：基因特征提取典型相关分析数据降维基因分类近邻散布鉴别敏感癌症诊断
分类号：TP391.4(计算技术、计算机技术)Q344.13(遗传学分支学科)
资助基金：国家自然科学基金(61806006)安徽省高等学校自然科学研究项目(2022AH040113)安徽省高等学校自然科学研究项目(KJ2018A0083)
论文发表日期：2024-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 59-63 )
英文信息