基于聯(lián)合對(duì)稱不確定性的特征選擇算法研究.pdf

1、我們處于一個(gè)日新月異的時(shí)代，不斷的有新技術(shù)產(chǎn)生，不斷的有產(chǎn)品問(wèn)世。高通量基因組學(xué)、蛋白組學(xué)、代謝組學(xué)技術(shù)已被廣泛的應(yīng)用于各種癌癥研究中。人類通過(guò)由這些技術(shù)獲得的數(shù)據(jù)來(lái)建立疾病診斷、預(yù)后以及治療的更好的模型。而且，這些技術(shù)還被用來(lái)識(shí)別和定性疾病的關(guān)鍵信號(hào)和找到藥物開(kāi)發(fā)的新目標(biāo)。并且，這些技術(shù)從一個(gè)樣本中可以得到成千上萬(wàn)的變量，這讓科研人員面臨著從高維特征中找到有用生物信息的難題。而數(shù)據(jù)挖掘被用于從海量數(shù)據(jù)中獲得有用的信息。特征選擇技術(shù)作為

2、數(shù)據(jù)挖掘中的主要數(shù)據(jù)分析技術(shù)之一，被廣泛的應(yīng)用到了生物信息數(shù)據(jù)處理中。
　　基于相關(guān)性的快速過(guò)濾式特征選擇算法（Fast Correlation-Based Filter，F(xiàn)CBF）是特征選擇 Filter方法中比較高效的技術(shù)。FCBF算法的目的是使用對(duì)稱不確定性去除不相關(guān)的特征，然后使用近似馬爾科夫毯刪除掉冗余的特征，從而得到一個(gè)特征子集。FCBF在篩選特征子集時(shí)優(yōu)先留下和類標(biāo)相關(guān)性高的特征，然后使用近似馬爾科夫毯刪掉與其冗余性

3、較高的特征。但是，和類標(biāo)強(qiáng)相關(guān)的特征結(jié)合起來(lái)并不一定就有好的分類效果，因此本文提出了JSU-FCBF算法。JSU-FCBF使用近似馬爾科夫毯對(duì)特征進(jìn)行聚類，然后使用聯(lián)合對(duì)稱不確定性（Joint Symmetrical Uncertainty，JSU）從每個(gè)聚類簇中篩選與已選特征聯(lián)合區(qū)分能力強(qiáng)的特征得到特征子集。在8個(gè)公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，JSU-FCBF特征選擇算法挑選出的特征分類性能大多數(shù)情況下好于FCBF算法。
　　遺傳

4、算法是一種借鑒生物進(jìn)化的自然現(xiàn)象而發(fā)展的元啟發(fā)式算法，是進(jìn)化算法的一種。而這些自然現(xiàn)象主要是選擇、雜交、突變等。本文對(duì)遺傳算法進(jìn)行研究，提出了一種基于聯(lián)合對(duì)稱不確定性和遺傳算法的特征選擇算法 JSU-GA。該算法綁定相互關(guān)聯(lián)性強(qiáng)、與類標(biāo)的聯(lián)合對(duì)稱不確定性高的特征對(duì)，在遺傳算法的進(jìn)化（選擇、交叉、變異）過(guò)程中視綁定的特征對(duì)為一個(gè)不可拆分的整體。在8個(gè)公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，通過(guò)綁定聯(lián)合作用強(qiáng)、聯(lián)合信息高的特征對(duì)，JSU-GA特征選擇算