基于特征聚类和随机子空间的microrna识别方法

？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。