基于RGMM离散基因表达数据关联规则挖掘.PDFVIP

第３１卷第９期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．９ ２０１４年９月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｓｅｐ．２０１４ 基于ＲＧＭＭ的离散基因表达数据关联规则挖掘 黄　睿 （湖南信息职业技术学院计算机系　湖南长沙４１０２００） 摘　要　　由于具有良好的可解释性，关联规则在基于疾病诊断的基因表达数据中表现出优越性，然而，高维基因表达数据中的大 量规则阻碍了它的应用。为了缓解这个问题，提出正则化高斯混合模型ＲＧＭＭ（ＲｅｇｕｌａｒｉｚｅｄＧａｕｓｓｉａｎＭｉｘｔｕｒｅＭｏｄｅｌ），根据最小描述 长度框架，挖掘离散化模型复杂度及信息丢失准则，通过离散化连续的基因表达数据，缓解监督方法中的过拟合现象，并且改善无监 督方法中的一些缺点。在六个分类数据集上的大量实验验证了所提方法的有效性。实验结果表明，与其他几种最先进的方法相比， 所提的ＲＧＭＭ方法在现实的基因表达数据集中更具