基于基因表達譜數(shù)據的腫瘤分類研究.pdf

1、近年來，腫瘤疾病已經嚴重威脅到人類的生命健康，與此同時生物信息技術也在快速發(fā)展，利用基因表達譜數(shù)據在基因水平上研究腫瘤的發(fā)生發(fā)展機理，有助于腫瘤的診斷和治療。
　　基因芯片技術可以同時檢測成千上萬個基因的動態(tài)表達水平，這些表達值構成了基因表達譜數(shù)據。腫瘤的基因表達譜數(shù)據具有高維小樣本的特點，然而只有少量的基因真正與腫瘤分類相關。由于冗余基因不僅增加了時間復雜度，而且還降低了分類準確度，因此需要從基因當中挑選出信息基因用于對腫瘤分類

2、。針對這個問題，本文主要研究適用于腫瘤基因表達譜數(shù)據分析的新方法，主要工作總結如下:
　　提出了一種改進的ReliefF和遺傳算法耦合的組合式特征選擇方法。算法首先對ReliefF中樣本的選取方法做了改進，然后采用改進的ReliefF對基因進行加權，并選出權重較高的信息基因，最后利用這些信息基因來指導遺傳算法的種群初始化，其目的是為了提高遺傳算法搜索最優(yōu)解的速度，以便在較短的時間內尋找到最優(yōu)解。在六個腫瘤數(shù)據集上進行了實驗，結果表

3、明，從分類準確率、敏感度、特異性和特征子集大小等多個角度考察，該算法具有良好的綜合性能。
　　提出了一種基于哈達碼糾錯碼支持向量機的腫瘤分類算法。算法首先通過哈達碼矩陣來生成糾錯編碼，然后通過糾錯編碼將多類別的腫瘤分類問題轉換為多個二分類問題，最后利用支持向量機來訓練各個二分類器。在算法中通過對各個二分類器進行了準確率加權和篩選，保留了分類性能好的分類器，保證了分類的準確率。在六個多類別的腫瘤數(shù)據集上與經典的基于支持向量機的多類分