基于模糊K近邻的miRNA表达谱数据分析

详细信息    查看全文 | 推荐本文 |

	作者：梅端 ; 刘强 中文刊名：ELEW 英文刊名：Electronics World 机构：广东海洋大学数学与计算机学院;广东海洋大学机械与动力工程学院; 出版日期：2019-07-15 出版单位：电子世界 年：2019 期：No.571 基金：广东省教育厅创新强校工程(GDOU2016050228);; 广东省大学生创新创业训练计划(S201910566065) 语种：中文; 页：ELEW201913027 页数：2 CN：13 ISSN：11-2086/TN 分类号：52-53

摘要

<正>为了有效地解决肿瘤的二分类问题,首先采用Fisher准则法对miRNA表达谱数据集进行特征选择,然后利用模糊K近邻(FKNN)算法对待测样本进行分类,最后采用留一法交叉验证评估分类性能。与4种分类方法进行对比,实验结果表明:该方法在分类性能上具有优越性,即选取4个miRNAs生物标记物就能获得96.77%的分类精度,与此同时,AUC值为0.9732。
        

引文

[1]梅端.基于SVM-KNN分类器的miRNA表达谱分析[D].云南:云南大学,2014;
    [2]梅端,柴华金,黄江.一种改进的SVM算法对miRNA表达谱的分析[J].西北师范大学学报(自然科学版), 2016, 52(2);
    [3]Kim K J,Cho S B.Exploring features and classifiers to classify microRNA expression profiles of human cancer[C].17th International Conference Neural Information Processing,Sydney,Australia,2010,pp.234-241;
    [4]Tran D H,Ho T B,Pham T H,et al.MicroRNA expression profiles for classification and analysis of tumor samples[J].IEICE TRANSACTIONS on Information and Systems,2011,94(3):416-422。