集成SVM在微阵列数据分析中的应用

微阵列技术的出现使得从不同角度对生物体的多个参量同时进行研究成为可能。然而,微阵列数据样本小、维数高、非线性的特征成为实验中的难点。本文针对这种情况提出集成SVM的方法。对数据集进行规范化之后,采用信噪比的方法提取最具表达的基因用于分类分析。采用bagging算法产生用于集成的个体分类器,最后采用相对多数投票法决定类别归属。实验证明,集成的SVM分类器性能优于单个分类器。