APP下载

基于邻域熵与蚁群优化的基因选择算法

2018-01-16郑鹭斌谢彦麒陈玉明

福州大学学报(自然科学版) 2017年6期
关键词:分类信息

许 明,郑鹭斌,谢彦麒,陈玉明

(厦门理工学院计算机与信息工程学院,福建 厦门 361024)

0 引言

随着基因微阵列技术的提高,基因表达数据快速增长,基因数据分析与处理技术已引起学者的广泛关注[1-3]. 然而,基因表达数据集呈现高维、小样本和不确定性的特点,已经成为基因分析与处理技术的发展瓶颈,如何从高维基因数据中选取有效且区分度高的少量基因,是基于基因表达数据进行癌症肿瘤分类的科学问题之一. 通过基因选择,剔除与肿瘤分类无关的冗余基因,获得精简的基因子集,不仅降低分类器设计的计算复杂度,还可以提高分类器的分类精度.

基因选择也称特征基因子集选择,是指从全部基因中选取一个特征基因子集,使构造出来的分类模型更优[4]. 依据评价函数的不同,常见的基因选择算法主要包括Filter方法和Wrapper方法两大类[5]. 其中Filter方法依据度量评价函数,筛选出高区分度的特征基因. 其算法运行速度较快,在不同分类算法之间的推广能力较强,但评估函数与学习算法的性能偏差较大. 筛选评估函数主要有相关系数[6]、距离度量[7]、信息熵度量[8]等. 而Wrapper方法的特点是采用具体的分类算法,选取分类精度最大的特征基因[9]. 该方法分类准确率较高,选择的基因子集规模较小,但计算复杂度高,不利于大数据集,而且存在过拟合的现象.

依据搜索策略的不同,基因选择算法主要分为完全搜索、启发式搜索和随机搜索. 完全搜索策略不……

登录APP查看全文

猜你喜欢

分类信息
分类算一算
垃圾分类的困惑你有吗
教你一招:数的分类
订阅信息
给塑料分分类吧
展会信息
信息
健康信息
健康信息(九则)
健康信息(十则)