SVM-Based Local Search for Gene Selection and Classification of Microarray Data

Hernández, José Crispín Hernández; Duval, Béatrice; Hao, Jin‐Kao

doi:10.1007/978-3-540-70600-7_39

Cited by 7 publications

(3 citation statements)

References 14 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Note que el vecino seleccionado S' puede o no puede ser mejor que S. El algoritmo BT se detiene cuando un número fijo de iteraciones se alcanza o cuando todos los movimientos se han convertido en tabú. La principal función de la lista tabú es prevenir que se cicle la búsqueda [17]. EL código simple de una búsqueda tabú se describe a continuación.…”

Section: Búsqueda Tabúunclassified

Exploration of DNA Microarrays Using Data Mining and a Taboo Search

Montiel¹,

León-Borges²,

Hernández³

2018

CyS

View full text Add to dashboard Cite

Resumen. En este artículo, se presenta un método híbrido basado en técnicas de minería de datos y una búsqueda tabú aplicado en la selección y clasificación de genes de Microarreglos de ADN. El método está dividido en dos etapas, en la primera etapa se elimina toda la información no relevante de la base de datos utilizando cinco técnicas de filtrado de datos. Con los subconjuntos de genes obtenidos por esta etapa, se realiza una nueva etapa de selección de genes utilizando una búsqueda tabú, para el proceso de clasificación de los genes seleccionados, se utilizan los clasificadores SVM, LDA, KNN por separado. El método se ha implementado para obtener un subconjunto pequeño de genes de alto desempeño, los resultados obtenidos se comparan con otros métodos reportados en la literatura, este método se aplica en tres bases de datos de dominio público. Palabras Clave. Microarreglos de ADN, normalización, filtrado de datos, selección, clasificación, búsqueda local. Exploration of DNA Microarrays Using Data Mining and a Taboo Search Abtract. In this article, we present a hybrid method based on data mining techniques and a taboo search applied in the selection and classification of DNA Microarray genes. The method is divided into two stages, in the first stage all non-relevant information in the database is eliminated using five data filtering techniques. With the subsets of genes obtained by this step, a new stage of gene selection is carried out using a taboo search, for the classification process of the selected genes, the SVM, LDA, KNN classifiers are used separately. The method has been implemented to obtain a small subset of high performance genes, the results obtained are compared with other methods reported in the literature, this method is applied in three databases of public domain.

show abstract

Section: Búsqueda Tabúunclassified

Exploration of DNA Microarrays Using Data Mining and a Taboo Search

Montiel¹,

León-Borges²,

Hernández³

2018

CyS

View full text Add to dashboard Cite

show abstract

“…The number of genes in the new individual can be quite different from the number of genes of its parents. To complete this process that ensures diversity of the population, our ILS operator focuses its search on gene subsets of fixed size, ensuring thus an intensified exploitation within a limited search space [15].…”

Section: Iterated Local Searchmentioning

confidence: 99%

A memetic algorithm for gene selection and molecular classification of cancer

Duval¹,

Hao²,

Hernández³

2009

Proceedings of the 11th Annual Conference on Genetic and Evolutionary Computation

Self Cite

View full text Add to dashboard Cite

Choosing a small subset of genes that enables a good classification of diseases on the basis of microarray data is a difficult optimization problem. This paper presents a memetic algorithm, called MAGS, to deal with gene selection for supervised classification of microarray data. MAGS is based on an embedded approach for attribute selection where a classifier tightly interacts with the selection process. The strength of MAGS relies on the synergy created by combining a problem specific crossover operator and a dedicated local search procedure, both being guided by relevant information from a SVM classifier. Computational experiments on 8 well-known microarray datasets show that our memetic algorithm is very competitive compared with some recently published studies.

show abstract

“…Estudio de comparación. Hernández et al[31] 92.52% (6) 87.00%(8) ----95.44% (12) Filippone et al[32] 94.7% (13) 80.6(21) …”

unclassified

Selección y clasificación de genes cancerígenos utilizando un método híbrido filtro/wrapper

Montiel¹,

Pérez²,

Ruiz³

2017

RCS

View full text Add to dashboard Cite

En este artículo, se presenta un método híbrido aplicado en la selección y clasificación de genes obtenidos de microarreglos de ADN. El método realiza una limpieza del microarreglo utilizando un preprocesamiento basado en técnicas de filtrado de datos, después, se realiza una selección de genes dentro del subconjunto obtenido por el filtro, utilizando una búsqueda gravitacional combinada con un clasificador KNN. El método se ha construido para obtener un subconjunto de genes relevantes de alto desempeño, los resultados obtenidos se comparan con diferentes métodos reportados en la literatura, este método es implementado en cinco microarreglos de dominio público.

show abstract

SVM-Based Local Search for Gene Selection and Classification of Microarray Data

Cited by 7 publications

References 14 publications

Exploration of DNA Microarrays Using Data Mining and a Taboo Search

Exploration of DNA Microarrays Using Data Mining and a Taboo Search

A memetic algorithm for gene selection and molecular classification of cancer

Selección y clasificación de genes cancerígenos utilizando un método híbrido filtro/wrapper

Contact Info

Product

Resources

About