支持向量机在微阵列数据癌症分类中的应用

微阵列基因表达数据通常具有大量维度，例如，超过一万条基因，以及少量样本，例如，几十名患者。在本文中，我们使用支持向量机（SVM）对微阵列数据进行癌症分类。使用主成分分析（PCA）、类可分离性测量、Fisher比率和t检验等降维方法进行基因选择。然后采用投票方案通过k(k - 1)个二进制SVM进行多组分类。与其他发表的结果相比，我们能够在使用更少特征的情况下获得相同的分类准确性。