杨　勤，董洪伟，薛燕娜

(江南大学 物联网工程学院，江苏 无锡 214122)

核多元基因选择和极限学习机在微阵列分析中的应用

杨勤，董洪伟，薛燕娜

(江南大学 物联网工程学院，江苏 无锡 214122)

摘要:针对微阵列数据样本量少、维度高的特点，结合当前数据降维方法中没有考虑特征与特征之间相关性的缺点，提出一种核最小二乘的特征基因选择方法。将解释变量空间通过非线性映射转换到高维空间上，再在高维空间上进行最小二乘回归，并采用极限学习机进行训练和预测。结果表明：对三种经典数据集的分类精度分别达到90.47 %，88.89 %，88.23 %，高于传统的机器学习算法，充分表明本方法的优越性。

关键词:微阵列分类；基因选择；核最小二乘；极限学习机

0引言

随着人类基因组计划的逐步实施和分子生物学迅猛发展，基因数据正在以前所未有的速度增长。微阵列技术就是顺应这一科学发展的产物，并且广泛应用于生物学、医学等领域[1]。微阵列数据是大数据时代的又一突破，但其样本少而维度高的特点极易给数据分析带来"维度灾难"。研究者们在数据降维上提出了多种方法，如典型相关分析(CCA)、主成分分析(PCA)等[2]，但是这些降维方法仍达不到高精度生物学的研究目的。普通的单变量法具有低复杂度、高性能的优点，但它忽略了特征之间的联系，会丢弃一些有用的特征。而传统的多变量是基于条件熵之间的相交信息，仍然丢弃了一些被判定为冗余变量的特征，会对结果产生影响[3]。……