基于邻域粗糙集和概率神经网络集成的基因表达谱分类新方法

随着生物信息学的发展,近年来对基因芯片的研究已引起研究人员的越来越多的关注。 基因表达谱在癌症诊断和分类中的应用已逐渐成为生物信息学领域的热门话题之一。 根据高维小样本集的基因表达谱特征,提出一种基于邻域粗糙集理论和概率神经网络集成分类算法的癌症分类方法。 首先,通过Relief算法对基因进行分类。 然后,使用邻域粗糙集理论选择分类信息基因。 最后,我们用概率神经网络集成分类模型进行癌症分类。 实验结果表明,该方法可以有效地选择癌基因,并获得较好的分类结果。