基于組合變量與重疊區(qū)域的SVM-RFE方法研究.pdf

1、科學技術不斷發(fā)展進步，人類每天都要處理大量繁冗復雜的信息。數據挖掘技術就是從這些大量紛繁的數據中挖掘潛在有用的信息，使數據的分析和解釋更簡潔容易。特征選擇是數據挖掘的一個重要分支，特征選擇算法從大量的特征中去除噪音特征和冗余特征，有價值特征的提取使特征維數降低，模型簡化。代謝組學中用數據挖掘技術處理數據，對生物體產生的代謝產物研究，分析代謝物質和生物體生理病變之間的變化關系，挖掘富含信息的潛在代謝標志物，輔助生物體疾病的診斷應用。

2、>　　代謝組學研究中，代謝產物之間的相互作用可能是表征發(fā)生癌變的關鍵信息，而代謝產物相互作用至少有兩個代謝物質共同起作用。所以，相對于單個變量，變量組合也可能為癌變提供有用的潛在標記物。可是，不同的方法構造的組合變量在特征選擇和樣本分類中有著各自的特點和起到不同的作用，本文利用加、減、乘和除的對數四種組合方法來構造組合變量，選擇評價相對較優(yōu)的構造方法組合的變量對數據來代替原始單變量表達數據，作為支持向量機的特征回歸消減方法（Suppor

3、t Vector Machine-RecursiveFeature Elimination，SVM-RFE）的輸入數據，進行特征選擇和樣本分類（SVM-RFE-C）。一組液相色譜質譜數據集的實驗結果表明組合變量的有效性，從而構造組合變量進行特征選擇可以得到有區(qū)分能力的信息。
　　支持向量機特征迭代消減方法(SVM-RFE)是一種基于SVM典型的序列后向遞歸消除特征的方法，利用支持向量來得到每一個特征的權重大小，迭代地刪除當前特征集

4、合中最差的特征，從而使得特征空間得以優(yōu)化。特征權重衡量每個特征對樣本分類的重要性，特征的重疊區(qū)域(Overlapping Area，OA)卻度量了特征與類標之間的聯系，是樣本分布的一個重要的度量準則。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OA與SVM-RFE相結合，對當前空間內每一個特征的權重進行評價，提出了一種組合的特征選擇方法OA-SVM-RFE。5個公共數據集和1組卵巢癌數據集的測試結果表明，OA-SVM