一种优化邻域半径的生物芯片数据处理方法

2020-06-08黄紫成

黑龙江工程学院学报 2020年3期

黄紫成,李影

(仰恩大学工程技术学院，福建泉州 362014)

生物基因芯片也称为DNA微阵列，是当前常用的微阵列技术。微阵列所呈现的数据以矩阵形式存在，又称为基因表达数据。但是该数据存在着维数高而样本少的特征，维数通常可以达到成千上万基因，样本只有几十个，这给数据分析提出挑战。

当前越来越多的研究人员提出不同的特征选择算法应用于基因芯片数据分析中，2011年Mi H K等人提出将NMF用于肿瘤特征基因的提取[1]，2013年Song等人利用特征间相关性做权，利用普里姆算法构造出最小生成树，再选择每棵树中相关性最大的特征构成特征子集[2],2016年谢娟英等人提出基于K-S检验与mRMR原则的混合方法解决基因特征选择问题[3],2017年Lu等人为了降低基因表达数据的维度，采用最大化交互信息MIM和自适应遗传算法相结合的特征选择算法[4],Chen等人采用粗糙集和熵计算方法对基因进行特征选择[5],2018年Jain等人提出相关特征选择CFS和改进的二元粒子群iBPSO算法，对基因分类，得到较高的分类精度。

胡清华老师等人提出邻域互信息概念[6]，构造信息粒度模型，该模型能够直接处理连续型数据。在邻域模型系统，邻域的半径是影响该系统的重要因素，不同的邻域半径对模型性能有较大差别，但如何选择邻域半径并没有统一的方法。本文针对此问题，采用计算各条件属性的标准差并除以一定参数得到一组邻域半径。