.png){kind=icon}
返回
Enhancing gene selection in DNA microarray data using fuzzy–rough sets
.png){kind=icon}
PRE
AI
DOI：10.1007/s41060-026-01310-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基因选择是分析高维DNA微阵列数据的关键任务，其中大量基因被测量，而样本数量有限。识别最具信息量的基因子集不仅能提高分类精度，还能降低计算复杂度，尤其在癌症诊断和肿瘤分类等应用中。模糊-粗糙集理论是特征选择的有效方法，能够在选择过程中高效处理数据的不精确性和不确定性。本文提出了一种基于模糊-粗糙集的基因选择方法（FRGS），该方法结合了三个步骤：早期接受的向前选择、正区域去除和向后消除阶段。这些步骤共同限制了冗余评估并去除了不必要的基因，同时依靠模糊-粗糙依赖度测量来指导搜索。FRGS在九个基准微阵列数据集上进行评估，并与现有最先进的方法进行比较。在所有数据集上，FRGS缩短了选择时间并保持或略微提高了分类精度。由于该算法直接在原始表达值上运行，且无需离散化或特殊参数调整，因此可以方便地应用于实验室环境和大规模基因表达研究中。
Keyword:
Gene selection
DNA microarray
Fuzzy–rough sets
High dimensionality
Feature selection
期刊
I
IF:
2.8
论文数:
1.1K
被引数:
1.3K
机构
暂无机构信息
引用论文
Benchmark for filter methods for feature selection in high-dimensional classification data高维分类数据中特征选择的过滤方法基准
OAAI
OAAI分享收藏A Multiple-Filter-Multiple-Wrapper Approach to Gene Selection and Microarray Data Classification
PREAI
分享收藏分享收藏Simultaneous feature selection and classification using kernel-penalized support vector machines
PREAI
分享收藏分享收藏Gene selection for cancer classification using support vector machines使用支持向量机进行癌症分类的基因选择.png)
MACHINE LEARNINGOAAI
MACHINE LEARNINGIF2.9
OAAI分享收藏
查看更多内容