基因表達(dá)數(shù)據(jù)的特征選擇及其分類(lèi)算法研究.pdf

1、隨著基因組學(xué)的不斷發(fā)展，DNA微陣列技術(shù)為生命科學(xué)提供新的解決問(wèn)題的思路與方法?；虮磉_(dá)數(shù)據(jù)是一般為矩陣形式，分析的是基因發(fā)生的改變，基因間的互相關(guān)系以及基因活動(dòng)產(chǎn)生的影響等，具有維數(shù)高、樣本少、分布不平衡等特點(diǎn)?；虮磉_(dá)數(shù)據(jù)可以為疾病的診斷和治療提供可靠的分類(lèi)結(jié)果。分析基因表達(dá)數(shù)據(jù)時(shí)，需要對(duì)其進(jìn)行特征選擇，從而降低數(shù)據(jù)的維數(shù)，降低后期的生物學(xué)分析成本。選擇出對(duì)分類(lèi)起重要作用的那部分基因可以為疾病的預(yù)防與診斷等提供更準(zhǔn)確的依據(jù)。本文將針

2、對(duì)基因表達(dá)數(shù)據(jù)的特征選擇和分類(lèi)算法進(jìn)行研究，主要內(nèi)容包括：
　　(1)提出基于互信息最大化的模型無(wú)關(guān)的特征選擇方法。利用互信息最大化方法對(duì)基因進(jìn)行初步篩選，能去除大量噪聲，有效減少冗余基因，為遺傳算法提供比較理想的種群初始化環(huán)境，特征選擇轉(zhuǎn)變?yōu)槿謨?yōu)化問(wèn)題。選擇得出的特征子集可直接用于其他類(lèi)型的分類(lèi)器，分類(lèi)精度較高。
　　(2)提出基于云平臺(tái)的特征選擇方法。結(jié)合了云計(jì)算與特征選擇方法的特點(diǎn)，利用5臺(tái)PC模擬搭建Hadoop云

3、計(jì)算平臺(tái)，用Map任務(wù)計(jì)算各自特征集的信息熵，在Reduce步驟中，對(duì)上一步得到的互信息進(jìn)行排序，篩選特征，匯總后運(yùn)送到客戶(hù)機(jī)，在客戶(hù)機(jī)端用ELM對(duì)獲得的基因特征進(jìn)行訓(xùn)練和測(cè)試，算法能夠在保證一定分類(lèi)精度的情況下快速進(jìn)行特征選擇，降低了時(shí)間復(fù)雜度。
　　(3)提出基于魚(yú)群優(yōu)化算法的改進(jìn) RELM基因表達(dá)數(shù)據(jù)分類(lèi)方法。用魚(yú)群優(yōu)化算法優(yōu)化RELM的輸入層權(quán)值，對(duì)輸出權(quán)值矩陣采用Cholesky分解，改進(jìn)后的基因表達(dá)數(shù)據(jù)分類(lèi)算法泛化性能

4、好，分類(lèi)精度較高。
　　(4)改進(jìn)了正則極限學(xué)習(xí)機(jī)的隱層偏置，提高了基因表達(dá)數(shù)據(jù)的分類(lèi)精度。RELM的隱層偏置用Fibonacci方法優(yōu)化，改進(jìn)后的算法應(yīng)用到腫瘤數(shù)據(jù)集中，分類(lèi)精度較高。
　　本文主要針對(duì)特征選擇和分類(lèi)問(wèn)題開(kāi)展研究，并將研究成果應(yīng)用在Breast、Colon、Leukemia、SRBCT等基因表達(dá)數(shù)據(jù)集上，豐富了特征選擇的方法，基因表達(dá)數(shù)據(jù)分類(lèi)的準(zhǔn)確率得到提升，為生物學(xué)以及生命科學(xué)領(lǐng)域的基因表達(dá)數(shù)據(jù)研究提供了