基于Spark的肿瘤基因混合特征选择方法

来源：计算机工程杂志2018年第11期北京时间：

作者：汪丽丽,邓丽,余玥,费敏锐

单位：1.上海大学 机电工程与自动化学院,上海 200072; 2.上海市电站自动化技术重点实验室,上海 200072

摘要：为处理随微阵列技术发展而急剧增长的肿瘤基因数据,实现对肿瘤基因数据的特征选择,结合集成特征选择和混合特征选择,提出一种Spark分布式计算框架的混合特征选择方法。利用F-score特征选择方法去除无关特征,进行初步特征选择,结合F-score、多分类支持向量机递归消除法、基于随机森林的特征选择3种方法得到最优的特征子集,并采用支持向量机对特征子集进行分类预测。实验结果表明,该方法能通过选择较少的基因达到较高的分类准确率。

关键词：肿瘤基因数据,Spark分布式计算框架,混合特征选择, 集成特征选择, 分类

基金资助：上海市科委重点项目(14DZ1206302)