基于集成學(xué)習(xí)的基因選擇與樣本分類研究.pdf

1、基因芯片技術(shù)為疾病診斷、治療以及新藥物的開發(fā)提供了新的方法和手段。同時(shí)，基因芯片技術(shù)的運(yùn)用也產(chǎn)生了大量的疾病相關(guān)的基因表達(dá)數(shù)據(jù)。對(duì)這類數(shù)據(jù)進(jìn)行分析和處理，使人們能夠從基因分子層面上了解癌癥的發(fā)病機(jī)制，從而更加準(zhǔn)確地進(jìn)行癌癥的診斷，引起了人們極大的興趣。
　　集成學(xué)習(xí)方法通過采用多個(gè)學(xué)習(xí)器對(duì)同一個(gè)問題進(jìn)行學(xué)習(xí)，并把多個(gè)學(xué)習(xí)結(jié)果按照某一方式融合成一個(gè)學(xué)習(xí)結(jié)果，與單個(gè)學(xué)習(xí)器相比，具有更好的魯棒性和準(zhǔn)確性，因而被廣泛應(yīng)用到數(shù)據(jù)挖掘的各個(gè)研

2、究領(lǐng)域，尤其是癌癥相關(guān)的基因表達(dá)數(shù)據(jù)分析領(lǐng)域。本文主要圍繞集成學(xué)習(xí)方法在癌癥相關(guān)的基因表達(dá)數(shù)據(jù)分類中的運(yùn)用展開研究。
　　針對(duì)傳統(tǒng)排序聚合方法可能忽視單次排序中得分較高的基因以及所產(chǎn)生的基因子集內(nèi)存在冗余基因的問題，采用近鄰傳播聚類的方法從所有單次排序得分較高的前TopK個(gè)基因中選擇具有代表性的、互不關(guān)聯(lián)的基因用于癌癥基因表達(dá)數(shù)據(jù)分類。在7個(gè)常用的基因表達(dá)數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明本文提出的方法在相同基因個(gè)數(shù)的條件下具有更好的魯棒性，同

3、時(shí)能夠獲得較好的分類效果。
　　針對(duì)基因表達(dá)數(shù)據(jù)分析時(shí)通常選擇一個(gè)基因子集用于分類可能造成信息損失的問題，借鑒集成特征選擇方法的思想，在排序融合和聚類分組的基礎(chǔ)上，從所有基因分組中采用隨機(jī)選擇的方式選擇一條基因生成基因子集，重復(fù)多次得到多個(gè)基因子集并分別訓(xùn)練基分類器，從而得到了多個(gè)既存在差異性，又具備區(qū)分能力的基分類器，最后采用多數(shù)投票進(jìn)行融合集成。在7個(gè)基因表達(dá)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明提出的方法分類誤差較低，分類性能穩(wěn)定，可擴(kuò)展性