基因芯片新兴生物技术为从分子水平上研究疾病的发病机理和临床疾病诊断提供了强有力的手段.其中特征基因选择是疾病模式识别诊断最重要的一个环节,但不同的特征基因选择方法往往影响疾病模式分类方法的效能.本研究针对这一问题,结合结肠癌基因表达谱数据分析,研究了递归决策树特征基因选择集成方法EFST,对支持向量机(SVM)模式分类器能力的影响.主要从特征基因选择前后分类器的性能、支持向量的吻合度、错分样本标识的吻合度、对样本均匀翻倍模式分类器的稳定性的影响等四个方面研究EFST特征选择算法对支持向量机模式分类方法的影响,同时考察了支持向量机模式分类器的泛化能力.结果表明:基于决策树特征基因选择算法EFST明显地提高了支持向量机模式分类的效能,且支持向量机模式分类器具有很强的泛化能力.
作者:李霞;张田文;李丽;郭政
来源:中国生物医学工程学报 2004 年 23卷 1期