.png){kind=icon}
返回
Hybrid gene selection and classification of cancer microarray data using an improved binary firefly algorithm
.png){kind=icon}
PRE
AI
DOI：10.1051/ro/2026021.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
癌症微阵列数据集以其高维性和相对较小的样本量而著称，这对癌症的准确分类构成了重大挑战。因此，基因选择对于消除无关基因和提高分类精度至关重要。本文提出了一种结合过滤器和包裹器技术的基因选择混合方法，并集成了改进的二进制萤火虫算法和支持向量机分类器。目的是选择与癌症最相关的基因，以减少计算时间并提升分类模型性能。研究中采用了三种过滤方法（信息增益比、ReliefF和基于相关性的特征选择）与增强的二进制萤火虫算法相结合。通过在萤火虫初始化和移动过程中引入对立学习，提高了算法的探索和开发能力。此外，还添加了变异步骤以增强解的多样性。为验证该方法，我们在十二个公开基准数据集上进行了实验研究，并与近年来用于癌症基因表达数据分类的几种基因选择方法进行了比较。结果表明，所建议的方法在减少数据量的同时提高了分类器性能，通过筛选出一组具有强预测能力的癌症分类基因。
Keyword:
Gene selection
cancer microarray dataset
classification
binary firefly algorithm
support vector machine.
期刊
R
IF:
2.1
论文数:
95
被引数:
0
机构
引用论文
.png){kind=icon}
An efficient feature selection framework based on information theory for high dimensional data基于信息论的高维数据特征选择框架
PREAI
分享收藏
查看更多内容