收录：
摘要：
一种基于MFA score和排除冗余的基因表达谱特征选择方法，肿瘤基因表达谱的特征选择和分类有助于肿瘤的早期诊断，从基因表达的角度解释肿瘤的成因。首先利用MFA score算法构造类间近邻矩阵Wb和类内近邻矩阵Ww，进而得到类间拉普拉斯矩阵Lb和类内拉普拉斯矩阵Lw，最后将基因排序。针对基因表达数据的高冗余这一特点，我们利用Pearson相关系数来判断基因间的相关性，将高相关的基因即冗余基因排除，最终得到基因子集。本发明适用于任意空间分布的训练样本，排除冗余基因进一步缩减了特征维数，算法复杂度较小，实验中取得了较高的分类准确率。
关键词：
通讯作者信息：
电子邮件地址：
