基于SVM-RFE的濾噪算法及不平衡問題的研究.pdf

1、代謝組學(xué)定量的分析生物體內(nèi)的代謝產(chǎn)物，并對代謝產(chǎn)物與生理病理變化之間的關(guān)系進(jìn)行研究。代謝組學(xué)數(shù)據(jù)中包含大量的噪音屬性和無關(guān)屬性，將數(shù)據(jù)挖掘技術(shù)應(yīng)用于代謝組學(xué)數(shù)據(jù)中，有助于降低數(shù)據(jù)的復(fù)雜度，發(fā)掘潛在的代謝標(biāo)志物，進(jìn)而對疾病的診斷和臨床應(yīng)用有著重要的輔助作用。
　　SVM-RFE是一種基于SVM的遞歸特征消除算法，通過支持向量來計(jì)算每個特征的權(quán)重。代謝組學(xué)數(shù)據(jù)中的噪音屬性很可能會對SVM最優(yōu)超平面的構(gòu)建產(chǎn)生影響，進(jìn)而影響到對特征的評價

2、。因此，本文提出了一種基于互信息和人工變量的MI-SVM-RFE特征選擇方法，在SVM-RFE特征選擇之前使用人工變量-互信息的方式進(jìn)行濾噪，使得特征權(quán)重的計(jì)算更為精確，進(jìn)而篩選最優(yōu)的特征子集。將MI-SVM-RFE算法應(yīng)用于肝病代謝組學(xué)數(shù)據(jù)上，篩選出了34個具有顯著區(qū)分能力的代謝產(chǎn)物，在區(qū)分肝炎、肝硬化、肝癌時，MI-SVM-RFE算法的平均準(zhǔn)確率為74.33±2.98％，高于SVM-RFE算法的72.00±4.15％。
　　對

3、于SVM分類器，樣本數(shù)量不平衡問題可能會導(dǎo)致各類樣本中的支持向量數(shù)量不平衡或支持向量分布不平衡，從而使得SVM對少數(shù)類的樣本分類效果較差。因此，本文在使用SVM-RFE特征選擇方法時引入EFSBS的思想，提出了EFSBS-SVM-RFE算法，該算法有助于對不平衡數(shù)據(jù)的分析和理解，更好的篩選生物標(biāo)志物。將EFSBS-SVM-RFE算法應(yīng)用于品種初烤煙葉化學(xué)成分檢測數(shù)據(jù)上，篩選出了15個富含2類樣本區(qū)分信息的化學(xué)成分，較好的區(qū)分了兩類不同品

4、種的烤煙。
　　SVM-RFE是一種后向的特征選擇方法，基于多變量分類器對特征空間不斷優(yōu)化。FFS-ACSA是一種前向的特征選擇方法，基于單變量分類器，考慮了特征之間的互補(bǔ)性。為了更好的篩選具有區(qū)分能力的特征，建立更為有效的分類模型，本文將FFS-ACSA與SVM-RFE相結(jié)合，提出一種組合的特征選擇方法Forward-RFE，充分利用前向特征選擇方法FFS-ACSA和后向特征選擇方法SVM-RFE的優(yōu)勢，在四組公共數(shù)據(jù)集上對該算