基于主元分析与近邻距离的特征基因选择与去噪

针对高维小样本大噪声的基因芯片数据，提出一种基于主元分析与k-近邻距离的特征基因选择与去噪方法. 首先利用主元分析法获取低维投影空间中的模式特征，依据各个基因贡献率大小排序，选择贡献率大的基因为特征基因, 进而利用k-近邻距离来消除野值噪声以获得稳定高效的分类精度. 实验结果表明：提出的特征基因选择与去噪方法，使得特征基因分类精度更高、性能更稳定.