基于粗糙集理論的基因選擇方法研究.pdf

1、粗糙集理論是一種新型的處理模糊性和不確定性知識(shí)的數(shù)學(xué)工具,作為一種新的知識(shí)獲取方法,粗糙集理論能有效地分析不精確、不一致、不完全的各種信息。它無需提供待處理數(shù)據(jù)集之外的任何先驗(yàn)信息,對(duì)問題的不確定性的描述和處理比較客觀。針對(duì)基因表達(dá)數(shù)據(jù)樣本少、維數(shù)高的特點(diǎn),粗糙集理論依自身優(yōu)點(diǎn)能對(duì)其進(jìn)行有效的分析處理。把粗糙集理論應(yīng)用于特征基因選擇是一個(gè)具有前沿性和拓展性的研究課題。
　　 本文通過對(duì)粗糙集理論的研究分析并將其運(yùn)用于特征基因選擇

2、領(lǐng)域,得到了兩種基于粗糙集的特征基因選擇方法:
　　 (1)基于粗糙集屬性最大依賴度的特征基因選擇。通過研究粗糙集理論的屬性重要性和屬性依賴性對(duì)數(shù)據(jù)的分析方法,得到了一種基于粗糙集的屬性最大依賴度(簡(jiǎn)稱MDA-RS)算法。將MDA-RS算法應(yīng)用于特征基因選擇中,其主要思想是:首先利用啟發(fā)式k-均值聚類算法對(duì)基因進(jìn)行聚類分析得到類數(shù)為k的基因子集,然后用MDA-RS選出每類的主基因,最后匯合每類的主基因獲得分類的特征基因組。

3、>　　 (2)基于粗糙遺傳算法的特征基因選擇。將粗糙集理論和遺傳算法相結(jié)合形成了一種基于粗糙集的啟發(fā)式遺傳算法,簡(jiǎn)稱粗糙遺傳算法(簡(jiǎn)稱RGA)。并將RGA算法運(yùn)用于基因選擇中,主要內(nèi)容是:利用粗糙集中核屬性作為限制來對(duì)個(gè)體進(jìn)行編碼從而優(yōu)化初始群體;以粗糙集的屬性重要性作為啟發(fā)信息重新構(gòu)造變異算子;在遺傳操作中加入了修正算子,對(duì)種群的修正可以在一定程度上提高個(gè)體適應(yīng)度。
　　 通過在公開的基因表達(dá)數(shù)據(jù)集上做仿真實(shí)驗(yàn),檢驗(yàn)本文的特