计算机工程

作者：张波, 周从华, 张付全, 张婷, 蒋跃明

单位：1. 江苏大学 计算机科学与通信工程学院, 江苏 镇江 212013;2. 无锡市精神卫生中心, 江苏 无锡 214151;3. 无锡市妇幼保健院, 江苏 无锡 214002;4. 无锡市第五人民医院, 江苏 无锡 214073

关键词：单核苷酸多态性选择,模糊聚类,特征选择,支持向量机,决策树,朴素贝叶斯分类

基金：江苏省重点研发计划社会发展项目（BE2016630，BE2017628）；无锡市卫生计生委科研项目（Z201603）。

在对高维少样本的遗传数据进行单核苷酸多态性（SNP）选择时，为能使所选SNP子集高度代表所有SNP信息，实现数据降维，在模糊C均值（FCM）算法的基础上提出一种改进方法GN-FCM。通过引入SNP权重因子量化SNP位点重要程度的差异性，同时将重点SNP邻域正则项引入模糊聚类的损失函数中，挖掘高度重要SNP与同邻域内其他SNP的关联性。实验结果表明，GN-FCM具有较好的收敛性，与DW-FCM算法相比，其构造的SNP子集在支持向量机、决策树和朴素贝叶斯分类中准确率分别提升5.73%、3.40%和3.79%，F1值分别提升4.01%、3.20%和2.22%。

来源：2019年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第8期