基于SVM法线算法的特征基因提取

鉴于特征提取在基因分类中扮演的重要作用,提出了一种基于支持向量机法线算法的特征提取方法。首先,使用线性支持向量机对训练样本进行训练,求出支持向量;然后,根据SVM法线算法计算各特征的权重,来获得法线向量,剔除数据集中权重较小的冗余特征基因;最后,使用线性支持向量机分类器实现对有效特征基因子集的分类。用急性白血病数据集和结肠癌数据集进行了实验,结果表明:该方法识别效果良好,适应性强。

一种改进的线性支持向量机的特征筛选算法

针对SVM法线特征筛选算法仅考虑法线对特征筛选的贡献,而忽略了特征分布对特征筛选的贡献的不足,在对SVM法线算法进行分析的基础上,基于特征在正、负例中出现概率的不同提出了加权SVM法线算法,该算法考虑到了法线和特征的分布。通过试验可以看出,在使用较小的特征空间时,与SVM法线算法和信息增益算法相比,加权SVM法线算法具有更好的特征筛选性能。