基于遺傳算法與支持向量機(jī)融合的特征基因抽取方法研究.pdf

1、基因芯片技術(shù)是聯(lián)合了生命科學(xué)與信息科學(xué)這兩大學(xué)科研究成果的一項(xiàng)嶄新技術(shù)，現(xiàn)在已成為大規(guī)模提取和探索生物分子信息的高效方法之一。同時(shí)基因芯片技術(shù)也逐漸成為生物信息學(xué)中最為廣泛應(yīng)用的技術(shù)之一，它的主要應(yīng)用是同時(shí)測(cè)量一個(gè)細(xì)胞樣本中數(shù)以萬計(jì)的不同基因的活動(dòng)情況?；蛐酒夹g(shù)為基因診斷和基因治療的諸多應(yīng)用提供了很好的前提條件和可能性。
　　目前，微陣列技術(shù)已被廣泛應(yīng)用于基因表達(dá)水平的錄制實(shí)驗(yàn)。所獲得的基因表達(dá)數(shù)據(jù)通常包括上萬條基因的測(cè)量值，

2、很多傳統(tǒng)方法在處理這樣高維度、低樣本數(shù)的數(shù)據(jù)時(shí)都存在著效率問題。由于微陣列實(shí)驗(yàn)所獲得的數(shù)據(jù)集常含有較少的組織樣本，而每一組織卻包括上萬條基因的表達(dá)水平，并具有高信噪比和基因間的高相關(guān)度，大多數(shù)有監(jiān)督的方法應(yīng)用效果并不理想。
　　本文將實(shí)現(xiàn)一個(gè)遺傳算法與支持向量機(jī)的融合算法以進(jìn)行特征基因抽取。這一融合算法的目標(biāo)是結(jié)合兩種算法的各自優(yōu)點(diǎn)，確定對(duì)目標(biāo)樣本分類所需特征基因的個(gè)數(shù)和如何選擇這些特征基因。在此融合方法中遺傳算法作為搜索引擎，主

3、要作用于特征抽取的特征搜索過程，過程中涉及變異及交叉過程的參數(shù)選擇均采用自適應(yīng)方式確定。支持向量機(jī)作為分類器，檢驗(yàn)所選擇特征基因的分類準(zhǔn)確度，并由此產(chǎn)生遺傳算法進(jìn)化的適應(yīng)度值，適應(yīng)度值越高的個(gè)體進(jìn)行變異和交叉的概論越小，群體的整體適應(yīng)度值逐步提高。本文采用了彌散大B淋巴細(xì)胞數(shù)據(jù)與0.05顯著性水平t檢驗(yàn)的前列腺癌數(shù)據(jù)集，實(shí)驗(yàn)驗(yàn)證該融合算法在處理高維度的微陣列表達(dá)數(shù)據(jù)中的性能與特性。采用自適應(yīng)參數(shù)的融合算法可以達(dá)到較高的分類準(zhǔn)確度，并且具