基于极限学习机（ELM）岭回归的DNA微阵列数据填补

摘要

近年来,生物学领域中DNA微阵列技术发展迅速,利用微阵列数据可以有效地提取生物学信息,其应用十分广泛.但是微阵列试验中存在的许多客观因素,使得基因表达数据常常出现缺失.针对传统的缺失数据填补方法没有考虑微阵列数据中存在相关性的问题,提出一种基于ELM岭回归（BELM）的方法来对DNA微阵列数据进行填补.算法在考虑微阵列数据相关性的同时,解决了ELM前馈神经网络中存在的复共线性问题.为了进一步提高数据填补的效果,采用广义交叉验证算法确定最佳岭参数.最后,采用真实数据集,以均方误差作为评估标准对算法进行了验证,并将其与相关算法进行比较.结果表明,该算法在DNA微阵列缺失数据填补方面具有更高的准确率.