基于優(yōu)化算法的蛋白質(zhì)質(zhì)譜數(shù)據(jù)分析.pdf

1、本文研究了基于優(yōu)化算法的蛋白質(zhì)質(zhì)譜數(shù)據(jù)的特征選擇問題。蛋白質(zhì)質(zhì)譜技術(shù)對于早期癌癥的診斷和識別生物標(biāo)記物是一種革命性的研究工具。但是數(shù)據(jù)的高維性和小樣本問題對于模式識別方法提出了很大的挑戰(zhàn)。因此為了解決質(zhì)譜數(shù)據(jù)的維災(zāi)難問題，在模式分類之前特征選擇是必須的降維步驟。特征選擇最重要的兩個(gè)因素是搜索策略和特征評價(jià)度量。在生物信號的特征選擇領(lǐng)域，單變元特征評價(jià)度量已經(jīng)在文獻(xiàn)中提出應(yīng)用，但是多變元度量卻極少使用。本文提出了兩個(gè)有效的智能優(yōu)化算法--

2、遺傳算法和模擬退火算法來進(jìn)行特征選擇，并且提出了5個(gè)多變元特征子集評價(jià)函數(shù)--包括基于封裝器的度量和基于過濾器的度量。k-fold交叉驗(yàn)證用來劃分?jǐn)?shù)據(jù)成訓(xùn)練樣本集和測試樣本集?；诰€性判別式分析的模式分類器被用來驗(yàn)證特征選擇的子集。 通過實(shí)驗(yàn)表明，馬氏距離及經(jīng)驗(yàn)分類錯(cuò)誤率和后驗(yàn)概率的線性組合是2個(gè)很好的特征子集評價(jià)函數(shù)。同其他方法的比較結(jié)果證明，本文提出的基于智能優(yōu)化算法特征選擇模型和特征子集評價(jià)度量的結(jié)合可以獲得比其他文獻(xiàn)中已