基于特征聚类和随机子空间的microRNA识别方法.pdfVIP

JournalofComputerApplications ISSN 1001—9081 2015．02．10 计算机应用，2015，35(2)：374—377 CODENJYIIDU http：／／www．joca．CB 文章编号 ：1001—9081(2015)02—0374—04 doi：10．11772／j．issn．1001—9081．2015．02．0374 基于特征聚类和随机子空间的microRNA识别方法 芮志良 ，朱玉全 ，耿 霞 ，陈 耿 (1．江苏大学计算机科学与通信工程学院，江苏镇江212013； 2．南京审计学院 工学院，南京210029) ( 通信作者电子邮箱ruizhiliang@126．com) 摘 要：针对microRNA识别方法中过多注重新特征、忽略弱分类能力特征和冗余特征，导致敏感性和特异性指标 不佳或两者不平衡的问题，提 出一种基于特征聚类和随机子空间的集成算法CLUSTER．RS。该算法采用信息增益率剔 除部分弱分类能力的特征后，利用信息熵度量特征之间相关性，对特征进行聚类，再从每个特征簇中随机选取等量特征 组成特征集用于构建基分类器，最后将基分类器集成用于microRNA识别。通过调整参数、选择基分类器实现算法最优 化后，在microRNA最新数据集上与经典方法Triplet—SVM、miPred、MiPred、microPred和HuntMi进行对比实验，结果显示 CLUSTER．RS在识别中敏感性不及microPred但优于其他模型，特异性为六者最优，而且从整体性能指标准确性和马修 兹系数可以看出，CLUSTER—RS比其他算法具有优势。结果表明，CLUSTER—RS取得了较好的识别效果，在敏感性和特异 性上实现了很好的平衡，即在性能指标平衡方面优于对比方法。 关键词：microRNA识别；分类能力；特征聚类；随机子空间；相关性 中图分类号：TP301．6 文献标志码 ：A microRNA identificationmethodbasedon featureclusteringandrandom subspace RUIZhiliang ，ZHU Yuquan ，GENG Xia，‘CHEN Geng (1．SchoolofComputerScienceandCommunicationEngineering，JiangsuUnivemi~,ZhenjiangJiangsu212013，China； 2．SchoolofTechnology,NanjingAuditUniversity,NanjingJiangsu210029，China) Abstract：AssensitivityandspecificityofcurrentmicroRNA identificationmethodsarenotidealorimbalancedbecause ofemphasizingnew featuresbutignoringweakclassificationabilityandredundancyoffeatures．Anensemblealgorithm based onfeatureclusteringandrandom subspacemethodwasproposed，namedCLUSTER—RS．Aftereliminatingsomefeatureswith weakclassificationabilityusinginformationratio，thealgorithm utilizedinformationentropytomeasurefeaturerelevanceand groupedthefeaturesintoclusters．Then itselectedthesamenumberoffeaturesrandom