杜洪波，董文娟

(沈阳工业大学 理学院，辽宁 沈阳 110870)



Relief-PSO混合算法在基因微阵列特征选择中的应用

杜洪波，董文娟

(沈阳工业大学 理学院，辽宁 沈阳 110870)

在处理高维小样本、高冗余、高噪声的基因微阵列数据时，无法采用传统特征选择方法进行分析。针对该问题提出了一种结合Relief和粒子群优化算法(Relief-PSO)的混合特征选择方法。首先采用Relief预选滤除部分特征，然后以SVM-PSO封装算法选择出最优特征子集，采用典型的小样本高维公共微阵列数据测试算法。结果表明，总体分类精度不低于85%，与SVMRFE，SVMDEA特征选择算法进行了比较，基于Relief和PSO的混合特征选择算法精度较高，能够有效应用于基因微阵列数据的分析。

特征选择；Relief；PSO；基因微阵列

随着人类基因组测序计划的阶段性进展陆续完成，生命科学研究逐步迈进后基因组时代，以微阵列实验为代表的高通量检测技术日益兴起[1]。

由于DNA微阵列实验的成本高、实验次数少，以致基因表达谱数据呈现小样本特性；同时，实验测试表达的基因数量惊人，导致了基因表达谱数据呈现高维特性。在这种数据的高维小样本问题中，样本特征维数远远高于样本个数，传统的机器学习算法难以担负，给基因分析带来了极大的挑战[2-4]。

维数约简是处理该问题的主要途径，其包括特征抽取(FeatureExtraction)和特征选择(FeatureSelection)2种方式，前者是通过组合变化构造新的低维特征空间，后者是采用特定的评估标准选择最优特征子集，从而达到降维的目的[5]。相比而言，特征选择具有不改变原始特征空间、计算复杂度低、更为精确、易于理解等特点，适用于大规模数据处理。……