基因表達(dá)數(shù)據(jù)分類問題中的特征選擇研究.pdf

1、DNA微陣列技術(shù)的發(fā)展帶來(lái)了大量的基因表達(dá)數(shù)據(jù)，分析和挖掘這些數(shù)據(jù)背后所蘊(yùn)含的知識(shí)是目前生物信息學(xué)研究的一個(gè)熱點(diǎn)。作為最基本的數(shù)據(jù)挖掘方法，分類在基因表達(dá)數(shù)據(jù)的分析中有著廣泛的應(yīng)用。由于基因表達(dá)數(shù)據(jù)具有小樣本、高維的特點(diǎn)，傳統(tǒng)分類方法的直接應(yīng)用往往效果不佳，分類前進(jìn)行降維已成為學(xué)術(shù)界的共識(shí)。特征選擇由于能夠保持每個(gè)特征的生物學(xué)意義，成為基因表達(dá)數(shù)據(jù)中最常用的降維方法。特征選擇不僅可以降低分類學(xué)習(xí)算法的時(shí)間和空間復(fù)雜度，避免維數(shù)災(zāi)難，提高

2、分類的預(yù)測(cè)精度，同時(shí)還有助于生物現(xiàn)象的解釋。
　　 本文針對(duì)兩分類基因表達(dá)數(shù)據(jù)的特征選擇問題，深入研究了后向和前向兩類特征選擇方法，主要的工作和創(chuàng)新點(diǎn)有：
　　 1．在后向特征選擇方面，針對(duì)SVM-RCE耗時(shí)的缺點(diǎn)，提出了SVM-RCE的改進(jìn)方法ISVM-RCE。SVM-RCE主要包括聚類和聚類評(píng)價(jià)兩個(gè)部分，SVM-RCE的聚類評(píng)價(jià)是對(duì)每個(gè)聚類分別用基于SVM的k-折交叉驗(yàn)證進(jìn)行記分。k-折交叉驗(yàn)證是導(dǎo)致SVM-RCE耗

3、時(shí)的主要原因。ISVM-RCE通過對(duì)SVM-RCE聚類評(píng)分環(huán)節(jié)的改進(jìn)，在不丟失分類準(zhǔn)確率的條件下，極大地提高了SVM-RCE的時(shí)間效率。
　　 2．在前向特征選擇方面，將組合分類器的修剪方法MSPM引入到基因選擇，提出了一種前向特征選擇方法FFS-ACSA。FFS-ACSA首先利用每個(gè)基因的信噪比構(gòu)造分量分類器，然后用p-不敏感損失函數(shù)進(jìn)行分量分類器（即基因）的選擇。在與經(jīng)典的前向特征選擇方法SNR和著名的后向特征選擇方法SVM