基于谱聚类的无监督特征选择算法

基因表达数据具有高维小样本特点，包含了大量与疾病无关的基因，对该类数据进行分析的首要步骤是特征选择.常见的特征选择方法需要有类标的数据，但样本类标获取往往比较困难.针对基因表达数据的特征选择问题，提出基于谱聚类的无监督特征选择思想FSSC（feature selection by spectral clustering）.FSSC对所有特征进行谱聚类，将相似性较高的特征聚成一类，定义特征的区分度与特征独立性，以二者之积度量特征重要性，从各特征簇选取代表性特征，构造特征子集.根据使用的不同谱聚类算法，得到FSSC-SD（FSSC based on standard deviation）、FSSC-MD（FSSC based on mean distance）和FSSC-ST（FSSC based on self-tuning）这3种无监督特征选择算法.以SVMs（support vector machines）和KNN（K-nearest neighbours）为分类器，在10个基因表达数据集上进行实验测试.结果表明，FSSC-SD、FSSC-MD和FSSC-ST算法均能选择到具有强分类能力的特征子集