SVM/MLP方法及基于此的基因选择

摘要

本文针对 DNA 微阵列数据的超高维空间和超小样本特性，提出了实现二/多病类样本有效分类的基于SVM/MLP+CV的基因选择方法，该方法运用线性SVM＋leave-one-out 解决二病类情况的基因选择问题，并在此基础上运用非线性MLP+leave-one-out解决多病类情况的基因选择问题。对于真实的 DNA 微阵列 MIT 数据(7129 个基因、两个病类、72 个样本的 MIT 数据)，用本文方法选择出了 11 个基因，与传统的 SNR 方法表明该方法明显优于传统的 SNR 方法；对于真实的DNA 微阵列 NCI 数据(2308 个基因、64 个样本、4 个病类的 NCI 数据)，从 2308 个基因中找出了能对 4 个病类进行有效分类、且具有很好推广能力的 6 个基因，从而利用这些基因既可有效诊断相应疾病，同时又极大降低芯片和诊断费用，表明了本文方法的有效性。