陈湘涛，陈 东

（湖南大学信息科学与工程学院，湖南长沙 410082）

基于遗传优化获取微阵列最佳分类规则＊

陈湘涛†，陈 东

（湖南大学信息科学与工程学院，湖南长沙 410082）

基于遗传编程（GP）提出一种最优规则遗传算法（BRGA）对分类规则进行优化的方法，获取最佳分类规则集，此算法可以调整分类器模型的相关参数，在适当增加迭代基础上大幅提高分类的精确度，具有相当的灵活性和可理解性.利用6个基因数据集检验了算法的性能.仿真结果表明，本文提出的算法与其他文献的方法相比，在具有较高分类精确度和稳定性前提下大幅降低了计算复杂度及冗余.

最优规则遗传算法；微阵列；遗传编程；分类规则；计算复杂度

生物医学研究表明，人类大多数疾病的发病机制，比如癌症，从根本上来说都和基因息息相关.微阵列数据是将样本实验形成的影像转为基因表达矩阵，矩阵行表示基因，列表示类别样本，矩阵中的元素描述不同基因在不同样本的表达水平.

由于微阵列芯片技术［1］获得的基因数据数量远大于样本数量，随着维数的增加，最大的障碍则是在高维特征空间运算时存在的“维数灾难”.微阵列大量基因数据仅为样本分类提供了少数有分类意义的、具有明显特征的基因.因此，在样本分类之前，选择特征基因是至关重要的，这直接影响到之后生成的分类器性能.微阵列分类作为生物指标的探索成为生物信息学一个重要的课题，事实上……