陈玉明，吴克寿，李向军

(1. 厦门理工学院 计算机科学与技术系，福建 厦门 361024； 2. 南昌大学 计算机科学与技术系，江西 南昌 330031)

美国人类基因组计划(HGP)把基因组信息学定义为：它是一个学科领域，包含着基因组信息的获取、处理、存储、分配、分析和解释的所有方面。基因表达数据分析的对象是在不同条件下，全部或部分基因的表达数据所构成的数据矩阵。通过对该数据矩阵的分析，可以回答一些生物学问题。随着试验技术及仪器的不断改进和基因组数据的急剧增长，现代DNA微阵列或芯片技术产生的各种基因表达数据均规模庞大、内容复杂。如何有效地分析利用这些数据成为生物信息学中的挑战性课题。在基因表达数据分析中，基因的数目成千上万，但往往只是很少一部分的关键基因影响样本的分类，其他的基因往往是冗余的或者是不重要的。在设计基因表达数据分类器之前进行特征选择，可以有效降低分类器的时间复杂度，提高分类精度。目前最常用的基因表达数据特征选择方法主要有2类：基于过滤算法(filter)的选择方法[1]与基于wrapper的选择方法[2]。基于filter的基因表达数据特征选择方法使用数据本身的内在特性作为评价基因的准则，但通过filter选择出来的若干个基因可能具有较强的相关性。基于wrapper的基因表达数据特征选择方法根据分类器的某种性能来评价基因或基因子集的重要性，而基于wrapper方法在基因的选择过程中反复调用分类算法，往往造成较高的时间复杂度。……