基于线性判别分析的基因表达数据分类方法研究

摘要

由于基因表达数据高属性维、低样本维的特点,Fisher分类器对该种数据分类性能不是很高.本文提出了Fisher的改进算法Fisher-List.该算法独特之处在于为每个类别确定一个决策阀值,每个阀值既包含总体样本信息,又含有某些对分类至关重要的个体样本信息.本文用实验证明新算法在基因表达数据分类方面比Fisher、LogitBoost、AdaBoost、k-近邻法、决策树和支持向量机具有更高的性能.