典型文献
混合mRMR和改进磷虾群的肿瘤基因特征选择算法
文献摘要：
为了从高维基因表达谱数据中识别出与肿瘤分类高相关的基因子集,提出一种基于最小冗余最大相关(minimal redundancy maximal relevance,mRMR)和改进磷虾群(improve krill herd,IKH)算法的两阶段混合特征选择算法,即采用最小冗余最大相关算法评价特征重要性以筛选出高相关、低冗余的基因子集,然后,结合改进磷虾群算法迭代寻优对特征进一步提取.采用支持向量机(support vector machine,SVM)算法作为分类器,在6个肿瘤基因数据集上进行实验分析和比较.实验结果表明,文中提出的方法在分类准确率和特征选择数量方面相比其他算法具有更好的表现.
文献关键词：
特征选择;磷虾群;mRMR;肿瘤基因;非线性递减;混沌映射
中图分类号：
作者姓名：
吴辰文;纪海斌
作者机构：
兰州交通大学电子与信息工程学院,甘肃兰州 730070
文献出处：
引用格式：
[1]吴辰文;纪海斌-.混合mRMR和改进磷虾群的肿瘤基因特征选择算法)[J].西北大学学报（自然科学版）,2022(02):262-269
A类：
IKH
B类：
mRMR,肿瘤基因,基因特征,特征选择算法,高维,维基,基因表达谱,谱数据,肿瘤分类,子集,最小冗余最大相关,minimal,redundancy,maximal,relevance,improve,krill,herd,两阶段,混合特征,算法评价,特征重要性,低冗余,改进磷虾群算法,迭代寻优,support,vector,machine,分类器,基因数据,分类准确率,非线性递减,混沌映射
AB值：
0.396346
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
