杨峻山，纪　震，谢维信，朱泽轩

1) 深圳大学信息工程学院，广东深圳 518060；2) 深圳大学计算机与软件学院，广东深圳 518060



基于粒子群优化的生物组学数据分类模型选择

杨峻山1，纪震1，谢维信1，朱泽轩2

1) 深圳大学信息工程学院，广东深圳 518060；2) 深圳大学计算机与软件学院，广东深圳 518060

摘要：针对生物组学数据普遍存在的高维小样本和样本分布不平衡问题，提出基于粒子群优化分类模型选择算法．该算法中粒子编码由样本平衡模型、特征选择模型和分类模型及超参数构成，粒子种群以达到以生物组学数据最佳分类性能为目标，通过对粒子的速度和位置进行迭代更新，得到模型组合及超参数的最优解．在8组真实生物组学数据集上的实验结果表明，所提模型选择算法能够避免人为选择所带来的主观偏差，提高最佳分类性能和稳定性．

关键词：生物组学；粒子群优化；样本平衡；特征选择；分类模型；模型选择；数据挖掘

生物组学主要是指基因组学、代谢组学、转录组学、免疫组学及脂类组学等的统称[1]．通过对组学数据的综合分析，可以更深入地研究疾病的形成机理及其生物过程，找到检测疾病和治疗疾病的相关生物标记物[2]．随着生物组学数据规模的日益增长，利用数据挖掘技术解决生物组学中的问题已成为一种必然趋势，其中分类学习是分析生物组学数据常见的手段之一．

生物组学数据通常具有两个特点，即各类样本分布不平衡[3]和高维小样……