点击次数：

论文类型：会议论文

发表时间：2014-08-08

页面范围：38-38

关键字：粗糙集;相交邻域;基因微阵列数据

摘要：　　在对基因微阵列数据的特征选择和分类研究中，粗糙集理论是一个可以消除冗余基因的有效工具。但是传统的粗糙集模型不能很好地处理连续型数值数据，而离散化方法可能会导致信息的丢失。为此，本文提出了一种基于相交邻域粗糙集模型的属性约简算法，将传统粗糙集中的距离邻域扩展为相交邻域，采用基于集合的方式来定义近似，以此构建粗糙集模型。在癌症数据集上进行实验的结果表明，基于集合近似和相交邻域的粗糙集模型可以取得比较好的分类效果，并且通过对选择出的基因进行GO 术语分析，进一步证明了该模型的有效性。