首页> 外文学位 >文献详情
【24h】

Feature selection of microarray data using genetic algorithms and artificial neural networks.

机译:使用遗传算法和人工神经网络对微阵列数据进行特征选择。

获取原文
获取原文并翻译 | 示例

摘要

Microarrays, which allow for the measurement of thousands of gene expression levels in parallel, have created a wealth of data not previously available to biologists along with new computational challenges. Microarray studies are characterized by a low sample number and a large feature space with many features irrelevant to the problem being studied. This makes feature selection a necessary pre-processing step for many analyses, particularly classification. A Genetic Algorithm - Artificial Neural Network (ANN) wrapper approach is implemented to find the highest scoring set of features for an ANN classifier. Each generation relies on the performance of a set of features trained on an ANN for fitness evaluation. A publically-available leukemia microarray data set (Golub et al., 1999), consisting of 25 AML and 47 ALL Leukemia samples, each with 7129 features, is used to evaluate this approach. Results show an increased performance over Golub's initial findings.
机译:允许并行测量数千个基因表达水平的微阵列已创建了生物学家以前无法获得的大量数据,同时还带来了新的计算挑战。微阵列研究的特点是样品数量少,特征空间大,具有许多与所研究问题无关的特征。这使得特征选择成为许多分析(尤其是分类)的必要预处理步骤。实现了一种遗传算法-人工神经网络(ANN)包装器方法,以查找ANN分类器的最高得分特征集。每一代都依赖于在ANN上训练的一组功能的性能,以进行适应性评估。一个公开可用的白血病微阵列数据集(Golub等,1999)由25个AML和47个ALL白血病样本组成,每个样本均具有7129个特征,用于评估该方法。结果表明,与Golub的最初发现相比,该产品的性能有所提高。

著录项

  • 作者

    Yacci, Paul.;

  • 作者单位

    Rochester Institute of Technology.;

  • 授予单位 Rochester Institute of Technology.;
  • 学科 Biology Molecular.;Biology Bioinformatics.;Computer Science.
  • 学位 M.S.
  • 年度 2009
  • 页码 70 p.
  • 总页数 70
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类 Q75;TP;
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

联系方式:18141920177 (微信同号)

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号