一种基因数据分析的半监督学习算法

基因芯片技术可以一次性对大量基因序列进行检测和分析，从而得到高维的基因表达数据，因此在病理研究和临床应用等领域备受关注[1-2]。基因表达数据中基因的数目巨大，大部分都无法为样本的区分提供有用信息，因此识别出一小部分能提供足够有用信息的基因并实现很好的分类至关重要，这一小部分有效基因被称为分类特征基因。特征基因选择通常由去除分类无关基因和去除冗余基因两部分组成。GOLUB T R等人提出的特征记分准则FSC(Feature Score Criterion)用于去除分类无关基因[3]。李颖新等人[4]认为应该在此基础上考虑方差对样本分类的影响，利用方差不同对样本分类的贡献不同，从而更客观地评价基因包含的分类信息量，提出了修订的特征记分准则RFSC(Revised Feature Score Criterion)。关于特征基因的选择研究有过滤法、缠绕法、混合方法等[5-6]。