TSP算法及其應用研究.pdf

1、在系統(tǒng)生物學中，從大量的數(shù)據(jù)中識別對所研究問題具有豐富價值的信息是一個十分重要的課題。TSP(Top Scoring Pair)算法是一種基于對“特征對”進行評價且利用得分最高的的“特征對”建立分類器的算法。由于其簡單可行以及結果容易解釋等優(yōu)點使其在基因組學數(shù)據(jù)分析領域已經(jīng)成為較有利的工具。k-TSP是基于TSP算法的一個拓展，其與TSP算法最明顯的區(qū)別在于k-TSP算法不是選擇一對特征，而是選擇“k”對。
　　本文改進了TSP/

2、k-TSP算法的排名準則，使其更能精準的挑選出具有區(qū)分能力的特征，與此同時本文對判定準則也進行了相應的修改以改進模型的預測能力。本文使用8個公共數(shù)據(jù)集，通過與改進前的TSP算法、隨機森林、支持向量機的比較，驗證了改進后的TSP算法確實是有效的。并且將修改后的算法應用在了肝病血清數(shù)據(jù)上，通過實驗驗證知道改進后的算法無論從分類性能還是從特征選擇的能力上都得到了提高。本文利用“特征對”構造新變量的方式對所研究問題進行了詳細分析。基于改進后的算

3、法共選出27對特征，通過PCA分析最終樣本被較為明顯的區(qū)分開。
　　隨機森林是由一棵棵的樹狀結構的判定規(guī)則（決策樹）構成。選擇區(qū)分效果最好的特征作為該節(jié)點的判別特征，然后繼續(xù)生長就這樣構造一棵棵“樹”，再由多棵“樹”構成隨機森林。本文將TSP算法對“特征對”的評價融入到?jīng)Q策樹節(jié)點的建立中提出了TSP-RF算法。在隨機森林的每個節(jié)點產(chǎn)生的過程中，由其隨機挑選的特征子集和當前樣本組成了數(shù)據(jù)矩陣，通過TSP算法可以利用該矩陣計算出得分最

4、高的“特征對”，用該“特征對”建立分類模型與單特征的分類模型進行比較，性能更優(yōu)者用于結點分裂。本文通過12個公共數(shù)據(jù)集（6個低維、6個高維）對TSP-RF算法分類性能進行驗證，TSP-RF算法比較于RF算法分類性能在9個數(shù)據(jù)集上得到了提高。隨機森林比較重要的兩個方面是強度與相關性:單棵決策樹的強度越高越好，決策樹之間的相關性越低越好。通過強度與相關性的分析，對該算法與隨機森林算法進行比較分析，得出的結論是在強度沒有明顯變化的情況下，相關