基于聚类和猫群优化的基因选择算法
2015-07-28杨百顺李延强河南师范大学计算机与信息工程学院河南师范大学软件学院河南师范大学政治与公共管理学院河南新乡45007
山东工业技术 2015年5期
敖 培,李 贺,李 明,杨百顺,李延强(.河南师范大学计算机与信息工程学院;.河南师范大学软件学院;. 河南师范大学政治与公共管理学院,河南 新乡 45007)
基于聚类和猫群优化的基因选择算法
敖培1,李贺1,李明2,杨百顺2,李延强3
(1.河南师范大学计算机与信息工程学院;2.河南师范大学软件学院;3. 河南师范大学政治与公共管理学院,河南 新乡 453007)
本文提出一种基于聚类和猫群优化基因选择算法,用来剔除大量冗余基因,提高样本预测的准确率。首先采用k-均值聚类算法将基因分成固定数目的簇,并采用ELM分类器评价筛选特征基因,构成备选基因库;然后采用基于CSO和ELM的缠绕法从备选基因库中选择同时具备最大分类准确率和最小数目的基因子集。通过与经典方法的比较,本文提出的方法能够以较少的基因获得更高的分类性能。
k-均值;猫群算法;基因选择
1 引言
微阵列数据的显著特点是基因维数大、样本维数小。在应用微阵列数据进行分类的过程中,数据往往存在大量与分类无关的冗余基因,因此有必要在分类之前采用基因选择方法剔除冗余基因。为了克服传统的基因选择方法会选择大量冗余基因而导致样本预测准确率下降的缺陷,本文提出一种基于聚类和猫群优化(CatSwarmOptimization,CSO)的基因选择算法。通过对急性白血病和结肠癌两个微阵列数据进行基因筛选的实验结果可以看出,与其他方法相比较,本文方法能成功选择较少数目但有较高分类率的基因子集。……
登录APP查看全文
