摘要：高通量生物技术的应用产生了大量的高维小样本生物数据。在生物医学“大数据”领域中,特征选择算法是解决维数灾难的有效方法之一。基于此提出一种新的特征选择算法(记为Sub(filter)Lasso)。实验结果表明:对于现有特征选择算法,分类性能表现较差的两个生物数据集ALL2和CNS,新算法的分类性能显著提高;新算法选出了具有非常好分类性能的特征子集,在不同的分类器上取得了稳健的分类效果;对15个数据集进行比较实验的结果表明,Sub(filter)Lasso是表现更好的算法,显著提高了分类准确性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社