基于鄰域互信息的特征基因選擇方法研究.pdf

1、粗糙集理論是一種可以處理不精確、不確定、不完備和不一致數(shù)據(jù)的有效的數(shù)據(jù)分析工具。近年來(lái)，粗糙集理論憑借其獨(dú)特的優(yōu)勢(shì)開始逐漸應(yīng)用到生物信息學(xué)領(lǐng)域，并且在腫瘤分類特征基因選擇方面取得了一些較好的研究成果。然而粗糙集理論是定義在等價(jià)關(guān)系基礎(chǔ)上的，只能處理離散型數(shù)據(jù)，如果處理數(shù)值型數(shù)據(jù)則需要先對(duì)其進(jìn)行離散化處理，這不僅需要花費(fèi)大量的預(yù)處理時(shí)間，而且在離散化的過(guò)程中可能會(huì)丟失一些重要信息，從而導(dǎo)致分類精度下降。而鄰域粗糙集理論能夠直接處理數(shù)值型數(shù)

2、據(jù)，可以直接應(yīng)用于特征基因選擇，從而可以節(jié)省大量的數(shù)據(jù)預(yù)處理時(shí)間，并且可以在一定程度上避免信息丟失，使得所選擇的特征基因子集能夠較大限度地保持原始數(shù)據(jù)集的分類能力。
　　本文將鄰域粗糙集理論應(yīng)用到特征基因選擇方法中，并將鄰域互信息作為相關(guān)度的度量標(biāo)準(zhǔn)，提出一些特征基因選擇算法。本文的主要?jiǎng)?chuàng)新點(diǎn)如下:
　　(1)針對(duì)傳統(tǒng)的特征選擇方法在處理數(shù)值型數(shù)據(jù)時(shí)需要對(duì)其進(jìn)行離散化處理，將導(dǎo)致部分重要信息丟失和分類精度下降等問(wèn)題，本文基于

3、鄰域互信息對(duì)Relief算法進(jìn)行改進(jìn)，提出了一種NRFE_Relief算法，并用該算法對(duì)基因進(jìn)行排序生成候選特征基因集合;引入能夠直接處理數(shù)值型數(shù)據(jù)的鄰域粗糙集屬性約簡(jiǎn)模型，對(duì)候選特征基因集合進(jìn)行屬性約簡(jiǎn)，得到相關(guān)特征基因子集;再利用粒子群優(yōu)化算法檢測(cè)相關(guān)特征基因子集，選擇出最優(yōu)或次優(yōu)的特征基因子集。在此基礎(chǔ)上，構(gòu)建了基于鄰域粗糙集和粒子群優(yōu)化的特征基因選擇算法。實(shí)驗(yàn)結(jié)果表明，該算法可快速有效地選取腫瘤特征基因，并且能夠獲得較好的分類效

4、果。
　　(2)為了避免腫瘤無(wú)關(guān)基因以及噪聲的影響，本文提出了一種基于鄰域互信息和自組織映射的特征基因選擇算法。該算法利用NRFE_Relief算法對(duì)基因進(jìn)行排序，選擇出初始的基因子集;采用能夠直接處理基因數(shù)據(jù)的鄰域互信息代替歐氏距離測(cè)量屬性之間的相關(guān)性，對(duì)自組織映射聚類算法進(jìn)行改進(jìn)，并用改進(jìn)后的自組織映射聚類算法對(duì)初始的基因子集進(jìn)行聚類;定義了基于鄰域互信息的屬性重要性系數(shù)，從每一類簇中選擇代表基因形成特征基因子集。實(shí)驗(yàn)結(jié)果表明

5、，該算法可以有效地選取特征基因，從而提高了分類精度。
　　(3)為克服K-means算法存在硬劃分的不足和彌補(bǔ)模糊C均值聚類算法容易導(dǎo)致局部收斂和聚類效果不佳的缺陷，以及更好的處理數(shù)值型的基因數(shù)據(jù)，本文基于鄰域粗糙集中的鄰域關(guān)系和鄰域互信息定義了屬性的內(nèi)聚度與屬性間的鄰域耦合度，提出了一種新的初始聚類中心選擇算法，并基于此算法改進(jìn)了模糊C均值聚類算法，利用改進(jìn)的模糊C均值聚類算法對(duì)基因數(shù)據(jù)進(jìn)行聚類;采用基于鄰域互信息的屬性重要性系