基于基因表達(dá)數(shù)據(jù)的樣本分類研究.pdf

1、利用基因芯片技術(shù)可以同時對成千上萬個基因的表達(dá)數(shù)據(jù)進(jìn)行并行分析，從而產(chǎn)生了海量的有用數(shù)據(jù)，使用機(jī)器學(xué)習(xí)對這些大量的復(fù)雜數(shù)據(jù)進(jìn)行分析是目前重要的研究領(lǐng)域之一。在這個研究領(lǐng)域里，基于基因表達(dá)數(shù)據(jù)的樣本分類扮演著很重要的角色，它一般具有兩個關(guān)鍵步驟：基因選擇和分類模型設(shè)計(jì)。本文在研究樣本分類過程的基礎(chǔ)上，針對此種分類問題的特殊性以及已有方法存在的一些問題，提出了一些改進(jìn)的方法。 基因表達(dá)數(shù)據(jù)矩陣的最大特點(diǎn)是少量樣本(一般不超過100)

2、對應(yīng)著很多的特征(幾千甚至上萬個基因)，這給樣本分類研究帶來了巨大挑戰(zhàn)。為了剔除與樣本分類無關(guān)的基因以減少冗余、降低計(jì)算復(fù)雜度和提高分類準(zhǔn)確度，基因選擇是進(jìn)行樣本分類前必不可少的一步。本文先按照相關(guān)性系數(shù)標(biāo)準(zhǔn)對樣本所包含的全體基因進(jìn)行篩選，降低冗余的同時有利于縮小優(yōu)化算法的搜索范圍；然后在篩選結(jié)果上采用蟻群優(yōu)化策略進(jìn)行分類相關(guān)基因子集的選擇，并利用樣本聚類效果作為優(yōu)化目標(biāo)函數(shù)，保證分類準(zhǔn)確度的同時大大降低了基因選擇方法的計(jì)算復(fù)雜度。實(shí)驗(yàn)